有噪声经图案化特征的检验的制作方法

1.本发明一般来说涉及经配置以用于检测例如后端封装晶片上的重布层(rdl)等样品上的缺陷的方法及系统。


背景技术：

2.以下描述及实例并不由于其包含于此章节中而被认为是现有技术。
3.制作半导体装置(例如逻辑装置及存储器装置)通常包含使用众多半导体制作工艺来处理衬底(例如半导体晶片)，以形成半导体装置的各种特征及多个层级。举例来说，光刻是涉及将图案从光罩转印到布置于半导体晶片上的抗蚀剂的半导体制作工艺。半导体制作工艺的额外实例包含但不限于化学机械抛光(cmp)、蚀刻、沉积及离子植入。可将多个半导体装置制作于单个半导体晶片上的布置中，且然后将其分离成个别半导体装置。
4.在半导体制造工艺期间在各个步骤处使用检验工艺来检测晶片上的缺陷以促成在制造工艺中的较高合格率及因此较高利润。检验一直总是制作半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于成功制造出可接受的半导体装置变得更加重要，这是因为较小缺陷便可能会导致装置出故障。
5.从集成电路(ic)行业开始以来，晶片检验主要基于邻近裸片之间的图像强度差，这是因为光刻一般来说涉及印刷“几乎相同”的邻近裸片。随着技术演进，形成称作“黄金参考裸片”或“标准参考裸片”的另一技艺以用于检验具有由掩模缺陷诱发的常见裸片缺陷的裸片。无论是执行裸片到裸片还是裸片到黄金裸片检验，常见假设是晶片上的每一裸片是几乎“相同的”。这些传统检验方法已在基于光刻的晶片制造工艺中非常有效。
6.在最近ic制造工艺中，应用新的封装工艺，其中通过经由重布层(rdl)线连接两个或多于两个经切粒且经测试良好子裸片而组成最终裸片单元，如图2中所展示。特定来说，最终裸片单元200由通过多个rdl线206而连接的子裸片202及204组成。以此方式，新的后端先进晶片级封装(awlp)工艺从子裸片制成新的裸片。
7.由于子裸片机械地放置于模具上且rdl线放置于子裸片的顶部上，因此可在邻近裸片单元之间存在不一致子裸片移位。由于此种类的不一致性，因此即使邻近裸片单元中的rdl线完全对准，传统裸片到裸片差计算还将对检验结果产生大量噪声。举例来说，如图3中所展示，邻近所组成裸片单元可在rdl线下方具有不一致移位。特定来说，图3展示两个最终裸片单元300及302。最终裸片单元300由通过rdl线308而连接的子裸片304及306形成，且最终裸片单元302由通过rdl线314而连接的子裸片310及312形成。如在最终裸片单元300的分解图316及最终裸片单元302的分解图318中更清晰地展示，不同最终裸片单元可在rdl线下方的子裸片之间具有不一致移位。
8.此外，rdl线主要由金属(铝或铜)制成。rdl线中的所关注缺陷(doi)是线开口缺陷(经断开连接线)及部分线开口缺陷(还称作“鼠啮(mouse-bite)”缺陷)，如图4及5中所展示。特定来说，图4展示针对rdl线中的完整线开口缺陷的测试图像400、参考图像402及差图像404。如在测试图像400的圆圈部分406中清晰可见，线开口缺陷在测试图像中是明显的。
然而，如差图像404(通过从测试图像400减去参考图像402而产生)中所展示，无法在与测试图像400的圆圈部分406对应的圆圈部分408中检测到线开口缺陷，且无法将差图像的对应于线开口缺陷的部分与差图像的其它部分(例如正方形部分410中所展示的部分)区分开。因此，差图像404无法用于成功地检测线开口缺陷。
9.图5展示针对rdl线上的另一线开口缺陷的参考图像500、测试图像502及差图像504。如从测试图像502可见，位于测试图像的圆圈部分510中的部分线开口缺陷在测试图像中是明显的。然而，如差图像504(通过从测试图像502减去参考图像500而产生)中所展示，无法在与测试图像中的圆圈部分510对应的圆圈部分514中检测到部分线开口缺陷。另外，无法将差图像的对应于部分线开口缺陷的部分与差图像的其它部分(例如正方形部分512中所展示的部分，其与参考图像的无缺陷部分506及测试图像的无缺陷部分508对应)区分开。如此，差图像504无法用于检测在测试图像502中可见的部分线开口缺陷。
10.因此，在图4及5两者中，显然测试图像含有明显线开口或部分线开口缺陷。然而，即使真正缺陷信号存在于测试图像中，金属rdl线的表面粗糙度也使得基于强度差的检验变得极其困难，这是因为差图像中的线开口或部分线开口信号完全埋藏于由测试及参考图像中的对应线中的随机粗糙度产生的噪声中。
11.因此，开发不具有上文所描述的缺点中的一或多者的用于检测样品(例如后端awlp样品)上的rdl线中的缺陷(例如完整及/或部分线开口缺陷)的系统及方法将为有利的


技术实现要素：

12.对各种实施例的以下描述不应以任何方式被视为限制所附权利要求书的标的物。
13.一个实施例涉及一种经配置以检测样品上的缺陷的系统。所述系统包含：检验子系统，其经配置以产生样品的图像。所述系统还包含：一或多个计算机子系统，其经配置以用于检测所述样品上的缺陷候选者。检测缺陷候选者包含识别样品的所产生图像中所包含的测试图像中的经图案化特征。检测所述缺陷候选者还包含：针对所述测试图像中位于所述经图案化特征内的至少一个像素，确定所述至少一个像素的特性与所述测试图像中位于所述至少一个像素的预定窗内的其它像素的所述特性之间的差。另外，检测所述缺陷候选者包含：基于所述所确定差而检测所述至少一个像素处的缺陷候选者。可如本文中所描述而对所述系统进行进一步配置。
14.另一实施例涉及一种用于检测样品上的缺陷的计算机实施方法。所述方法包含：通过检验子系统而识别样品的所产生图像中所包含的测试图像中的经图案化特征。所述方法还包含：针对测试图像中位于经图案化特征内的至少一个像素，确定至少一个像素的特性与测试图像中位于至少一个像素的预定窗内的其它像素的特性之间的差。另外，所述方法包含：基于所确定差而检测至少一个像素处的缺陷候选者。所述识别、所述确定及所述检测由耦合到所述检验子系统的一或多个计算机子系统执行。
15.可如本文中所描述而进一步执行上文所描述的方法的步骤中的每一者。另外，上文所描述的所述方法的实施例可包含本文中所描述的任何其它方法的任何其它步骤。此外，上文所描述的方法可由本文中所描述的系统中的任何者执行。
16.另一实施例涉及一种非暂时性计算机可读媒体，所述非暂时性计算机可读媒体存储可在一或多个计算机系统上执行以执行用于检测样品上的缺陷的计算机实施方法的程
序指令。所述计算机实施方法包含上文所描述的方法的步骤。可如本文中所描述而对计算机可读媒体进行进一步配置。可如本文中进一步所描述而执行所述计算机实施方法的步骤。另外，计算机实施方法可包含本文中所描述的任何其它方法的任何其它步骤，可执行程序指令来实现所述计算机实施方法。
附图说明
17.在受益于对优选实施例的以下详细描述的情况下且在参考附图之后，所属领域的技术人员将明了本发明的其它优点，在附图中：
18.图1及1a是图解说明如本文中所描述地配置的系统的实施例的侧视图的示意图；
19.图2是图解说明由多个子裸片形成的裸片的一个实例的平面图的示意图，重布层(rdl)线形成于所述多个子裸片的顶部上；
20.图3是图解说明由多个子裸片构造而成的裸片的实例的平面图的示意图，所述多个子裸片在形成于其上的rdl线下方相对于彼此具有不一致移位；
21.图4及5包含针对rdl线中的不同线开口缺陷的测试图像、参考图像及差图像的实例；
22.图6是图解说明具有不同定向的不同经图案化特征的部分的一个实例的平面图的示意图；
23.图7包含图解说明rdl线中的不同类型的缺陷的实例的图像；
24.图8是图解说明具有覆叠于其上的预定窗的经图案化特征的实例的平面图的示意图，在所述预定窗内，可如本文中所描述而确定差且所述差用于检测经图案化特征中的缺陷候选者；
25.图9及10包含针对可如本文中所描述而被检测的不同缺陷的测试图像的实例；
26.图11包含不同经图案化特征的测试图像的实例及覆叠于所述不同经图案化特征上的预定窗的实施例，所述预定窗取决于不同经图案化特征的定向而具有不同特性；
27.图12到14是图解说明可由本文中所描述的实施例执行以用于检测样品上的缺陷的步骤的实施例的流程图；且
28.图15是图解说明存储程序指令的非暂时性计算机可读媒体的一个实施例的框图，所述程序指令用于致使一或多个计算机系统执行本文中所描述的计算机实施方法。
29.尽管易于对本发明做出各种修改及替代形式，但其特定实施例是以实例方式展示于图式中且将在本文中详细地描述。所述图式可未按比例绘制。然而，应理解，图式及对图式的详细描述并不打算将本发明限制于所揭示的特定形式，而是相反，本发明打算涵盖在由所附权利要求书所界定的本发明的精神及范围内的所有修改、等效形式及替代形式。
具体实施方式
30.现在转向图式，应注意，各图并未按比例绘制。特定来说，各图的元件中的一些元件的比例被极大地放大以强调元件的特性。还应注意，各图并未按相同比例绘制。已使用相同参考编号指示可被类似配置的在多于一个图中展示的元件。除非本文中另外提及，否则所描述及所展示的元件中的任何元件可包含任何适合可商业购得元件。
31.如本文中所使用的术语“设计”及“设计数据”一般是指ic的物理设计(布局)以及
通过复杂模拟或简单几何及布尔(boolean)运算从物理设计导出的数据。物理设计可存储于例如图形数据流(gds)档案等数据结构、任何其它标准机器可读档案、此项技术中已知的任何其它适合档案及设计数据库中。gdsii档案是用于设计布局数据的表示的一类档案中的一者。此类档案的其它实例包含gl1及oasis档案以及专有档案格式，例如加利福尼亚州苗必达的kla公司(kla corp.,milpitas,calif)专有的rdf数据。设计可包含在2009年8月4日颁予扎法尔(zafar)等人的共同拥有的美国专利第7,570,796号及2010年3月9日颁予库尔卡尼(kulkarni)等人的共同拥有的美国专利第7,676,077号中描述的任何其它设计数据或设计数据代理，所述美国专利两者如同完全陈述于本文中一般以引用的方式并入。另外，设计数据可为标准单元库数据、集成布局数据、一或多个层的设计数据、设计数据的导出物及全部或部分芯片设计数据。
32.本文中所描述的“设计”及“设计数据”还指由半导体装置设计者在设计工艺中产生且因此在将设计印刷于任何物理晶片上之前可良好地用于本文中所描述的实施例中的信息及数据。“设计”或“物理设计”还可为将理想地形成于晶片上的设计。
33.如所述术语在本文中所使用，“滋扰(nuisance)”是用户不关心的缺陷及/或通过检验而检测到但实际上并非是缺陷的事件。可由于样品上的非缺陷噪声源(例如，线边缘粗糙度(ler)、经图案化特征中的相对小临界尺寸(cd)变化、厚度变化、金属颗粒(grain)噪声等)及/或由于用于检验的检验子系统本身或其配置的边缘性而检测到被检测为事件(或“缺陷候选者”)但实际上并非是缺陷的滋扰。因此，一般来说，检验的目标并非是检测样品(例如晶片)上的滋扰。
34.将如本文中所使用的术语“所关注缺陷(doi)”定义为在样品上被检测到且真正地是样品上的实际缺陷的缺陷。因此，doi是用户所关注的，这是因为用户一般关心在被检验的样品上具有多少及何种类的实际缺陷。在一些上下文中，术语“doi”用于指样品上的所有实际缺陷的子集，所述子集仅包含用户所关心的实际缺陷。举例来说，可在任何给定样品上存在多种类型的doi，且所述doi中的一或多者可比一或多个其它类型更受用户关注。然而，在本文中所描述的实施例的上下文中，术语“doi”用于指样品上的任何及所有真实缺陷。
35.一个实施例涉及一种经配置以检测样品上的缺陷的系统。在一个实施例中，样品是晶片。晶片可包含半导体技术中已知的任何晶片。虽然可在本文中关于一或若干晶片而描述一些实施例，但实施例并不限于其可用于的样品。举例来说，本文中所描述的实施例可用于例如光罩、扁平面板、个人计算机(pc)板及其它半导体样品等样品。
36.在一个实施例中，样品包含金属上部层。在一个此实施例中，所述上部层可为铝层。铝层可包含此项技术中已知的任何适合铝层。样品的上部层还可包含后段工艺(beol)层，所述beol层可包含此项技术中已知的任何beol层，包含本文中所描述的beol层。在另一实施例中，样品的上部层可为可具有此项技术中已知的任何适合配置的重布层(rdl)。
37.样品的上部层还可包含金属线。举例来说，beol及rdl层可包含金属线，所述金属线形成正在样品上形成的装置的各种元件。此类金属线可产生显著量的“颗粒”噪声，其在本文中进一步描述。如所述术语在本文中所使用，“颗粒”是指金属(例如铝或铜)的晶体结构中的错位。本文中所描述的实施例经配置以用于尽管存在颗粒噪声仍实现对此类层上的缺陷的检测。
38.在一些实施例中，样品是后裸片(post-dice)样品。一般可将“后裸片”样品定义为
晶片或其它衬底，多个装置已形成于所述晶片或其它衬底上(例如，在不同裸片或若干裸片中)且然后以各种方式中的一者彼此分离。“后裸片”样品还可为已被分离成尚未进入封装工艺的多个裸片或若干裸片的样品。
39.在另一实施例中，样品包含高噪声层。如所述术语在本文中所定义，“高噪声”层一般是指其噪声是在层的检验中的主要障碍的层。举例来说，尽管通过任何检验工具而检验的每一个晶片层均可展示比其它层更多或更少的噪声(且用于处置此噪声的检测的技艺一般必须用于每一个晶片层的检验中)，但在成功检验晶片层时的主要障碍最通常是必须检测到的缺陷的极小大小。相比来说，本文中所描述的实施例尤其适合于检测大小约200nm及以上的相对较大(“宏观”)缺陷。因此，在此检验中的主要障碍未必是必须检测到的缺陷的大小(这是因为许多检验工具配置能够检测大多数层上的此类较大缺陷)。而是，本文中所描述的层一般将在针对所述层而产生的图像中展现如此“高噪声”水平，使得检测甚至如此较大大小的缺陷可变得困难(如果并非不可能的话)。然而，本文中所描述的实施例已经设计以经由本文中所描述的缺陷检测而处置此类噪声水平。
40.本文中所描述的实施例经设计以出于若干个不同原因而对于检测此类缺陷尤其有效。举例来说，在传统前端光刻晶片制作工艺中，由于来自邻近裸片的相同图像的有效假设，因此通常通过邻近裸片之间的图像比较而执行晶片检验。利用合理的预处理步骤(例如，通过直方图重新映射进行的邻近裸片图像对准及灰度均匀性缩放)，通常由异常及因此可能的缺陷导致大于阈值的差。
41.在新的先进晶片级封装(awlp)技术中，所组成裸片单元可通过经由rdl线连接子裸片(已被测试为良好)而制成。在上文进一步描述的图2中展示此所组成裸片单元的实例。rdl线与rdl线下方的子裸片可具有不一致相对空间移位，如上文进一步论述的图3中所展示。即使相对于rdl线执行邻近裸片之间的对准，rdl线下方的子裸片结构仍可为不对准的。此不对准使传统基于裸片到裸片差的方法由于来自rdl线下方的结构的不对准噪声而为大体上困难的。
42.另外，由于rdl线通常是金属(铜)，因此rdl线图像的表面粗糙度诱发的随机光学外观可使基于强度差的rdl线开口缺陷检测更具挑战性，这是因为线开口缺陷信号可完全埋藏于表面粗糙度诱发的噪声中。在一个此实例中，由于在可由过多金属颗粒导致的rdl金属线噪声内，因此可通过检验而检测到大量噪声。在另一此实例中，由于由在rdl层上或其下面的透明介电聚合物导致的rdl金属层间噪声，因此可通过检验而检测到大量噪声。
43.然而，本文中所描述的实施例提供不受严重裸片到裸片差噪声妨碍的rdl线检验。另外，本文中所描述的实施例可针对rdl线执行仅测试图像(即，并非裸片到裸片)检验。以此方式，本文中所描述的实施例可为用于检测此类缺陷的单裸片检验(sdi)或单图像检测(sid)系统及方法，其将消除检验中的裸片到裸片噪声源。
44.在图1中展示经配置以检测样品上的缺陷的系统的一个实施例。系统包含检验子系统10及一或多个计算机子系统(例如，计算机子系统36及计算机子系统102)。检验子系统10经配置以产生样品的输出(例如，图像)。在一个实施例中，检验子系统被配置为光学子系统。举例来说，在图1的实施例中，检验子系统经配置以用于使光对样品的物理版本进行扫描或将光引导到所述物理版本，同时检测来自样品的光以借此产生样品的输出。检验子系统还可经配置以利用多种模式来执行扫描(或引导)及检测。
45.在一个实施例中，检验子系统经配置以用于宏观检验。因此，本文中所描述的系统可称为宏观检验工具。宏观检验工具尤其适合于相对有噪声beol层(例如rdl)的检验及后裸片应用以检测在存在巨大噪声(例如金属线上的颗粒)的情况下的缺陷。宏观检验工具在本文中定义为未必受衍射限制且具有约200nm到约2.0微米及以上的空间分辨率的系统。此空间分辨率意味着此类系统可检测到的最小缺陷具有大于约200nm的尺寸，所述尺寸比现今市场上的最先进检验工具可检测到的最小缺陷大得多，因此被称为“宏观”检验器名称。与现今市场上的最先进检验工具相比，此类系统往往利用较长光波长(例如，约500nm到约700nm)。当doi具有相对较大大小时且可能还当需要100个晶片/小时(wph)或更大的吞吐量(晶片吞吐量此处是指每小时所检验的300mm晶片的数目)时，可使用这些系统。
46.在图1中所展示的系统的实施例中，检验子系统10包含经配置以将光引导到样品14的照明子系统。所述照明子系统包含至少一个光源。举例来说，如图1中所展示，照明子系统包含光源16。照明子系统可经配置以将光以一或多个入射角度(其可包含一或多个倾斜角度及/或一或多个法线角度)引导到样品。举例来说，如图1中所展示，将来自光源16的光穿过光学元件18及然后透镜20以倾斜入射角度引导到样品14。倾斜入射角度可包含任何适合倾斜入射角度，其可取决于(举例来说)样品的特性而变化。
47.检验子系统可经配置以将光在不同时间以不同入射角度引导到样品。举例来说，检验子系统可经配置以更改照明子系统的一或多个元件的一或多个特性，使得可将光以与图1中所展示的入射角度不同的入射角度引导到样品。在一个此实例中，检验子系统可经配置以移动光源16、光学元件18及透镜20，使得将光以不同倾斜入射角度或法线(或近法线)入射角度引导到样品。
48.检验子系统可经配置以将光同时以多于一个入射角度引导到样品。举例来说，照明子系统可包含多于一个照明通道，所述照明通道中的一者可包含如图1中所展示的光源16、光学元件18及透镜20，且所述照明通道中的另一者(未展示)可包含可以不同或相同方式配置的类似元件，或可至少包含光源以及可能地一或多个其它组件(例如本文中进一步描述的组件)。如果此光与其它光同时被引导到样品，那么以不同入射角度被引导到样品的光的一或多个特性(例如，波长、偏光等)可为不同的，使得由以不同入射角度对样品的照明产生的光可在检测器处彼此区别开。
49.在另一实例中，照明子系统可仅包含一个光源(例如，图1中所展示的源16)，且可通过照明子系统的一或多个光学元件(未展示)将来自所述光源的光分离到不同光学路径中(例如，基于波长、偏光等)。不同光学路径中的每一者中的光然后可被引导到样品。多个照明通道可经配置以将光同时或在不同时间(例如，当不同照明通道用于依序照明样品时)引导到样品。在另一实例中，同照明通道可经配置以将在不同时间具有不同特性的光引导到样品。举例来说，在一些实例中，光学元件18可被配置为光谱滤光器，且光谱滤光器的性质可以多种不同方式(例如，通过替换光谱滤光器)被改变，使得可在不同时间将不同光波长引导到样品。照明子系统可具有此项技术中已知的用于将具有不同或相同特性的光以不同或相同入射角度依序或同时引导到样品的任何其它适合配置。
50.在一个实施例中，光源16可包含宽带等离子体(bbp)光源。以此方式，由光源产生且被引导到样品的光可包含宽带光。然而，光源可包含任何其它适合光源，例如激光器。激光器可包含此项技术中已知的任何适合激光器，且可经配置以产生此项技术中已知的任何
一或若干适合波长下的光。另外，激光器可经配置以产生单色或近单色的光。以此方式，激光器可为窄带激光器。光源还可包含产生多个离散波长或波段下的光的多色光源。
51.可通过透镜20将来自光学元件18的光聚焦到样品14上。虽然在图1中将透镜20展示为单个折射光学元件，但在实践中，透镜20可包含以组合方式将来自光学元件的光聚焦到样品的若干个折射及/或反射光学元件。在图1中所展示且本文中所描述的照明子系统可包含任何其它适合光学元件(未展示)。此类光学元件的实例包含(但不限于)偏光组件、光谱滤光器、空间滤光器、反射光学元件、变迹器、分束器、光阑等等，其可包含此项技术中已知的任何此类适合光学元件。另外，检验子系统可经配置以基于将用于检验的照明的类型而更改照明子系统的元件中的一或多者。
52.检验子系统还可包含扫描子系统，所述扫描子系统经配置以致使光对样品进行扫描。举例来说，检验子系统可包含载台22，在检验期间样品14安置于所述载台上。扫描子系统可包含可经配置以移动样品使得光可对样品进行扫描的任何适合机械及/或机器人组合件(其包含载台22)。另外或替代地，检验子系统可经配置使得检验子系统的一或多个光学元件执行光对样品的某种扫描。光可以任何适合方式(例如以蛇形路径或以螺旋路径)对样品进行扫描。
53.检验子系统进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器，所述检测器经配置以检测归因于对样品的照明的来自样品的光且响应于所检测光而产生输出。举例来说，图1中所展示的检验子系统包含两个检测通道，一个检测通道由收集器24、元件26及检测器28形成且另一检测通道由收集器30、元件32及检测器34形成。如图1中所展示，所述两个检测通道经配置而以不同收集角度来收集并检测光。在一些实例中，两个检测通道经配置以检测经散射光，且检测通道经配置以检测从样品以不同角度散射的光。然而，检测通道中的一或多者可经配置以检测来自样品的另一类型的光(例如，经镜面反射光)。
54.如图1中进一步所展示，将两个检测通道展示为定位于纸张的平面中且还将照明子系统展示为定位于纸张的平面中。因此，在此实施例中，两个检测通道定位于(例如，居中于)入射平面中。然而，检测通道中的一或多者可定位于入射平面之外。举例来说，由收集器30、元件32及检测器34形成的检测通道可经配置以收集并检测从入射平面散射出的光。因此，此检测通道可通常称为“侧”通道，且此侧通道可居中于大体上垂直于入射平面的平面中。
55.虽然图1展示包含两个检测通道的检验子系统的实施例，但检验子系统可包含不同数目个检测通道(例如，仅一个检测通道或者两个或多于两个检测通道)。在一个此实例中，由收集器30、元件32及检测器34形成的检测通道可形成如上文所描述的一个侧通道，且检验子系统可包含形成为定位于入射平面的相对侧上的另一侧通道的额外检测通道(未展示)。因此，检验子系统可包含检测通道，所述检测通道包含收集器24、元件26及检测器28且居中于入射平面中并且经配置以收集并检测处于法向于或接近法向于样品表面的散射角度的光。此检测通道可因此通常称为“顶部”通道，且检验子系统还可包含如上文所描述而配置的两个或多于两个侧通道。如此，检验子系统可包含至少三个通道(即，一个顶部通道及两个侧通道)，且至少三个通道中的每一者具有其自身的收集器，收集器中的每一者经配置以收集处于与其它收集器中的每一者不同的散射角度的光。
56.如上文进一步所描述，包含于检验子系统中的检测通道中的每一者可经配置以检测经散射光。因此，图1中所展示的检验子系统可经配置以用于样品的暗场(df)检验。然而，检验子系统还可或替代地包含经配置以用于样品的明场(bf)检验的检测通道。换句话说，检验子系统可包含经配置以检测从样品镜面反射的光的至少一个检测通道。因此，本文中所描述的检验子系统可经配置以用于仅df、仅bf或df及bf成像两者。虽然在图1中将收集器中的每一者展示为单个折射光学元件，但收集器中的每一者可包含一或多个折射光学元件及/或一或多个反射光学元件。
57.一或多个检测通道可包含此项技术中已知的任何适合检测器。举例来说，检测器可包含光电倍增管(pmt)、电荷耦合装置(ccd)、时间延迟积分(tdi)相机，及此项技术中已知的任何其它适合检测器。检测器还可包含非成像检测器或成像检测器。如果检测器是非成像检测器，那么检测器中的每一者可经配置以检测经散射光的特定特性(例如强度)，但不可经配置以依据在成像平面内的位置而检测此类特性。如此，由包含于检验子系统的检测通道中的每一者中的检测器中的每一者产生的输出可为信号或数据，但并非是图像信号或图像数据。在此类实例中，计算机子系统(例如计算机子系统36)可经配置以从检测器的非成像输出产生样品的图像。然而，在其它实例中，检测器可被配置为成像检测器，所述成像检测器经配置以产生图像信号或图像数据。因此，检验子系统可经配置而以若干种方式产生图像。
58.注意，在本文中提供图1以一般图解说明检验子系统的配置，所述检验子系统可包含于本文中所描述的系统实施例中或可产生由本文中所描述的系统实施例使用的输出。显然，本文中所描述的检验子系统配置可经变更以优化检验子系统的性能，如在设计商业检验系统时通常执行。另外，可使用例如可从kla商业购得的altair系列工具的现有系统来实施本文中所描述的系统(例如，通过将本文中所描述的功能性添加到现有系统)。针对一些此类系统，本文中所描述的实施例可提供为系统的任选功能性(例如，除系统的其它功能性之外)。替代地，本文中所描述的检验子系统可“从头开始”设计以提供全新检验子系统。检验子系统可如2010年8月24日颁予梅哈尼亚(mehanian)等人的美国专利第7,782,452号(其如同完全陈述于本文中一般以引用的方式并入)中所描述而进一步配置。
59.计算机子系统36可以任何适合方式(例如，经由一或多个传输媒体，其可包含“有线”及/或“无线”传输媒体)耦合到检验子系统的检测器，使得计算机子系统可接收在对样品进行扫描期间由检测器产生的输出。计算机子系统36可经配置以使用检测器的输出来执行本文中进一步所描述的若干个功能。
60.图1中所展示的计算机子系统(以及本文中所描述的其它计算机子系统)还可在本文中称为计算机系统。本文中所描述的计算机子系统或系统中的每一者可呈各种形式，包含个人计算机系统、图像计算机、主机计算机系统、工作站、网络器具、因特网器具或其它装置。一般来说，术语“计算机系统”可广泛地定义为囊括具有一或多个处理器的执行来自存储器媒体的指令的任何装置。计算机子系统或系统还可包含此项技术中已知的任何适合处理器，例如并行处理器。另外，计算机子系统或系统可包含具有高速处理及软件的计算机平台作为独立工具或网络连接工具。
61.如果系统包含多于一个计算机子系统，那么不同计算机子系统可彼此耦合，使得图像、数据、信息、指令等可在计算机子系统之间发送。举例来说，计算机子系统36可通过任
何适合传输媒体而耦合到计算机子系统102(如图1中的虚线所展示)，所述传输媒体可包含此项技术中已知的任何适合有线及/或无线传输媒体。此类计算机子系统中的两者或多于两者还可通过共享计算机可读存储媒体(未展示)而有效地耦合。
62.虽然在上文中将检验子系统描述为是光学或基于光的检验子系统，但在一些实施例中，将检验子系统配置为电子束子系统。在图1a中所展示的一个此实施例中，检验子系统包含耦合到计算机子系统124的电子柱122。还如图1a中所展示，电子柱包含经配置以产生电子的电子束源126，所述电子由一或多个元件130聚焦到样品128。电子束源可包含(举例来说)阴极源或发射体尖端，且一或多个元件130可包含(举例来说)枪透镜、阳极、束限制光阑、闸阀、束电流选择光阑、物镜以及扫描子系统，所有所述元件可包含此项技术中已知的任何此类适合元件。
63.从样品返回的电子(例如，次级电子)可通过一或多个元件132而聚焦到检测器134。一或多个元件132可包含(举例来说)扫描子系统，所述扫描子系统可为包含于元件130中的相同扫描子系统。
64.电子柱可包含此项技术中已知的任何其它适合元件。另外，可如以下美国专利中所描述而对电子柱进一步配置：2014年4月4日颁予江(jiang)等人的美国专利第8,664,594号、2014年4月8日颁予小岛(kojima)等人的美国专利第8,692,204号、2014年4月15日颁予古本斯(gubbens)等人的美国专利第8,698,093号以及2014年5月6日颁予麦克唐纳(macdonald)等人的美国专利第8,716,662号，所述美国专利如同完全陈述于本文中一般以引用的方式并入。
65.虽然在图1a中将电子柱展示为经配置使得电子以倾斜入射角度被引导到样品且以另一倾斜角度从所述样品被散射，但电子束可以任何适合角度被引导到样品及从所述样品被散射。另外，电子束子系统可经配置以使用多种模式来产生如本文中进一步所描述的样品的图像(例如，以不同照明角度、收集角度等)。电子束子系统的多种模式可在检验子系统的任何图像产生参数上不同。
66.计算机子系统124可耦合到检测器134，如上文所描述。检测器可检测从样品的表面返回的电子，借此形成样品的电子束图像。所述电子束图像可包含任何适合电子束图像。计算机子系统124可经配置以使用由检测器134产生的输出来执行本文中针对样品进一步所描述的一或多个功能。计算机子系统124可经配置以执行本文中所描述的任何额外步骤。包含图1a中所展示的检验子系统的系统可如本文中所描述而进一步配置。
67.注意，在本文中提供图1a以一般图解说明可包含于本文中所描述的实施例中的电子束子系统的配置。正如上文所描述的光学子系统，本文中所描述的电子束子系统配置可经变更以优化检验子系统的性能，如在设计商业检验系统时通常执行。另外，可使用例如可从kla商业购得的esxxx及edr-xxxx系列工具的现有系统来实施本文中所描述的系统(例如，通过将本文中所描述的功能性添加到现有系统)。针对一些此类系统，本文中所描述的实施例可提供为系统的任选功能性(例如，除系统的其它功能性之外)。替代地，本文中所描述的系统可“从头开始”设计以提供全新系统。
68.虽然上文将检验子系统描述为是光学或电子束子系统，但检验子系统可为离子束子系统。可如图1a中所展示而对此检验子系统进行配置，只有电子束源可被替换为此项技术中已知的任何适合离子束源除外。另外，检验子系统可为任何其它适合离子束子系统，例
如包含于可商业购得的聚焦离子束(fib)系统、氦离子显微镜(him)系统及次级离子质谱(sims)系统中的离子束子系统。
69.如上文所述，检验子系统经配置以用于使能量(例如，光、电子等)对样品的物理版本进行扫描，借此产生样品的物理版本的输出。以此方式，检验子系统可被配置为“实际”子系统，而非“虚拟”子系统。然而，存储媒体(未展示)及1中所展示的计算机子系统102可被配置为经配置以产生样品的图像的“虚拟”检验子系统。特定来说，存储媒体及计算机子系统可被配置为如2012年2月28日颁予巴斯卡尔(bhaskar)等人的共同让与的美国专利第8,126,255号及2015年12月29日颁予达菲(duffy)等人的共同让与的美国专利第9,222,895号(所述两者均如同完全陈述于本文中一般以引用的方式并入)中所描述且在本文中所描述的实施例中用作检验子系统的“虚拟”检验系统。可如此类专利中所描述而对本文中所描述的实施例进行进一步配置。
70.如上文进一步所提及，检验子系统可经配置以利用多种模式来产生样品的输出。一般来说，“模式”可由用于产生样品的输出(例如，图像)的检验子系统的参数值定义。因此，不同的模式由检验子系统的至少一个参数(除产生输出的样品上的位置之外)的不同值定义。举例来说，在光学检验子系统中，不同模式可使用至少一个不同光波长来进行照明。模式可在照明波长上有所不同，如本文中详尽描述(例如，通过针对不同模式使用不同光源、不同光谱滤光器等)。在另一实例中，不同模式可使用检验子系统的不同照明通道。举例来说，如上文所述，检验子系统可包含多于一个照明通道。如此，不同照明通道可用于不同模式。模式还可或替代地在检验子系统的一或多个收集/检测参数上不同。检验子系统可经配置以(例如)取决于同时使用多种模式来扫描样品的能力而在同一扫描或不同扫描中利用不同模式来扫描样品。
71.如上文所描述，传统的纯粹基于裸片到裸片强度差的缺陷检测算法由于图2到5中所展示的原因而在检测awlp样品上的线开口缺陷方面是无效的。主要阻抗是来自由随机金属线表面粗糙度及/或不一致空间移位诱发的过多滋扰，即，虽然可检测到基于差的信号，但差信号中的噪声在灰度强度及几何大小方面可大于真实线开口缺陷。为了解决线开口缺陷，本文中所描述的实施例是可以基于单裸片的检验方式执行的用于检测rdl线上的线开口缺陷的专门检验方法及系统。
72.虽然本文中所描述的实施例尤其适合于检测rdl线中的线开口缺陷且在本文中关于此类缺陷及样品而描述一些实施例，但本文中所描述的实施例不限于此类缺陷及样品。举例来说，本文中所描述的实施例可有利地用于检验其它相对高噪声经图案化特征中的缺陷及/或其中缺陷及经图案化特征在检验图像中具有大体上不同特性的情况。
73.计算机子系统经配置以用于检测样品上的缺陷候选者。如所述术语在本文中所使用，将“缺陷候选者”定义为在样品上检测到且未作为滋扰而被滤除的任何事件。举例来说，在缺陷检测之后，缺陷候选者可包含在样品上检测到的所有事件且可包含实际缺陷(或doi)及滋扰两者。在滋扰滤波之后，缺陷候选者将包含并未通过滋扰滤波而消除的所有所检测缺陷候选者。在滋扰滤波之后的缺陷候选者是否仅包含doi取决于滋扰滤波在doi与滋扰之间进行区分的良好程度。在执行所有滋扰滤波之后，可将剩余缺陷候选者指定为所检测缺陷，即使所指定缺陷中的一或多者实际上是滋扰。
74.检测缺陷候选者包含识别样品的所产生图像中所包含的测试图像中的经图案化
特征。测试图像可为由检验子系统产生的任何测试、目标或帧图像。测试图像可具有任何适合大小且可为相对小的片块图像，其大小可取决于检验子系统的配置及/或对由检验子系统产生的输出的计算机处理而变化。
75.在一个实施例中，经图案化特征包含rdl层上的线。在另一实施例中，经图案化特征由金属形成。举例来说，如本文中进一步所描述，本文中所描述的实施例可针对其而检测缺陷的样品可包含由金属形成的rdl线。如此，计算机子系统可经配置以识别测试图像中的rdl线，使得可针对线开口缺陷而检验所述rdl线，如本文中进一步所描述。以类似方式，计算机子系统可经配置以识别由金属形成的其它经图案化特征来进行检验。
76.在一些实施例中，识别经图案化特征包含将掩模施加到测试图像，所述掩模分离测试图像中在经图案化特征内的像素与测试图像中的所有其它像素。换句话说，识别测试图像中的经图案化特征可包含识别测试图像中的与经图案化特征对应的像素。用于进行此识别的一种尤其适合的方式是通过将掩模施加到测试图像。掩模可具有与经图案化特征对应及不与经图案化特征对应的清晰界定且指定的区。举例来说，掩模可包含与被识别的经图案化特征对应的清透区及不与经图案化特征对应的不透明区(不透明区可包含并非是所关注的经图案化特征、下伏或非图案化区等)。一般来说，掩模可具有此项技术中已知的任何适合配置。将掩模施加到测试图像可包含将掩模覆叠于测试图像上且然后将测试图像与掩模对准。此覆叠及对准可以此项技术中已知的任何适合方式执行。
77.虽然在本文中关于经图案化特征而描述识别步骤，但识别步骤可实际上包含在同一测试图像中识别可具有相同特性或不同特性的多于一个所关注经图案化特征(例如，具有相同特性的两个或多于两个rdl线、其中的至少一些具有彼此不同的形状、定向、大小等的两个或多于两个rdl线)。换句话说，关于经图案化特征而描述识别步骤以简化并阐明对本发明的理解。然而，可同时或依序地针对多于一个经图案化特征执行识别步骤。以类似方式，虽然可在本文中为清晰及简单起见而关于测试图像描述本发明，但可依序或同时地针对多于一个测试图像执行本文中所描述的步骤。测试图像可包含在样品上的一或多个裸片中的相同裸片内位置处或者在样品上的一或多个裸片中的不同裸片内位置处产生的测试图像，这意味着测试图像可并非含有彼此相同的经图案化特征。测试图像可进一步包含上文所描述且使用检验子系统的一或多种模式产生的测试图像中的任何者。
78.在一个此实施例中，一或多个计算机子系统经配置以用于根据样品的设计而产生掩模。以此方式，本文中所描述的实施例可利用设计信息来进行rdl线掩模产生。举例来说，由于可从kla商业购得的kronos
tm
1080晶片级封装检验系统，因此flexpoint
tm
算法架构(其为随着从altair产品线引入kronos
tm
1080产品的用于自适应检验的特征)提供基于中值强度的分段以用于分离rdl线及线之间的空间。flexpoint
tm
极大地改良针对altair检验工具的敏感度-滋扰折衷、尤其是在其中图像强度通常相对安静的空间区中，使得容易地检测到rdl线之间的桥接件。然而，发明人还发现可由于rdl ler而难以产生清透线掩模。可从kla商业购得的一些89xx工具将包含允许用户基于可由用户提供的设计信息(例如，gds档案)而产生flexpoint
tm
掩模(针对rdl线/空间)的特征。与从样品图像产生掩模相比，此类掩模的产生有利地更快、更清洁且不受rdl ler影响。利用基于设计的flexpoint
tm
掩模，除rdl空间中的桥接件之外，还可通过本文中所描述的实施例而检测到rdl线开口。使用设计信息的flexpoint
tm
掩模产生可如由张(zhang)等人在2020年6月15日提出申请的共同让与的美国
专利申请案第16/901,102号(其如同完全陈述于本文中一般以引用的方式并入)中所描述而执行，且特征将作为designwise
tm
特征可用于可从kla商业购得的89xx工具上。可如此专利申请案中所描述而对本文中所描述的实施例进行进一步配置。
79.对于处置rdl线中的线开口缺陷的检测，本文中所描述的实施例可受益于基于设计的rdl线及空间掩模的相对迅速且容易的产生。使用基于设计的flexpoint
tm
掩模产生的直接优点是实施例不依赖于纯粹的总图像强度来执行片块到掩模对准(pma)，其为flexpoint
tm
特征中的用以将掩模准确地放置于图像上的组件。因此，来自rdl到先前层移位(如图3中所展示)的模糊或混淆将不会影响对准过程。
80.在另一此实施例中，掩模将经图案化特征的具有不同定向的部分内的像素分离到不同区域中，且针对不同区域而单独地执行本文中进一步所描述的确定及检测步骤。举例来说，具有不同定向的rdl线部分可被容易地指派有不同区域掩模id，因此可应用不同检验算法及相关联参数。基于设计的rdl线/空间掩模可覆叠于可以此项技术中已知的任何适合方式产生的中值参考裸片(mrd)图像的顶部上。可使用不同色彩或其它适合标记来表示不同区域id。不具有经着色掩模或其它标记的像素可属于未经检验区域，即，不关注的区域或不关心的区。
81.如图6中所展示，在具有设计信息的情况下，除rdl线之间的空间之外，还可容易地将连续rdl线分离成具有不同定向(例如，水平、垂直、45度对角线及135度对角线)的不同区域。特定来说，图6展示不同经图案化特征600、602、604及606的实例，其中将经图案化特征的具有不同定向的部分分离成不同区域。经图案化特征600包含具有水平定向的部分608、612及616、具有45度对角线定向的部分610，及具有135度对角线部分的部分614。经图案化特征602包含具有水平定向的部分618、622及626、具有45度对角线定向的部分620，及具有135度对角线定向的部分624。经图案化特征604包含具有垂直定向的部分628、632及636、具有135度对角线定向的部分630，及具有45度对角线定向的部分634。经图案化特征606包含具有垂直定向的部分638、642及646、具有135度对角线定向的部分640，及具有45度对角线定向的部分644。
82.可将经图案化特征的具有相同定向的部分分离到同一区域中，且可将经图案化特征的具有不同定向的部分分离到不同区域中。在一个此实例中，可将经图案化特征600的部分608、612及616中的像素分离到第一区域中，可将经图案化特征600的部分610中的像素分离到第二区域中，且可将经图案化特征600的部分614中的像素分离到第三区域中。可以类似方式分离图6中所展示的其它经图案化特征的部分中的像素，其中针对每一经图案化特征单独地产生区域。
83.可将多个经图案化特征的具有相同定向的部分中的像素分离到同一区域中。举例来说，可将经图案化特征600的部分608、612及616中的像素以及经图案化特征602的部分618、622及626中的像素分离到第一区域中。可将经图案化特征600的部分610中的像素、经图案化特征602的部分620中的像素、经图案化特征604的部分634中的像素及经图案化特征606的部分644中的像素分离到第二区域中。可将经图案化特征600的部分614中的像素、经图案化特征602的部分624中的像素、经图案化特征604的部分630中的像素及经图案化特征606的部分640中的像素分离到第三区域中。可将经图案化特征604的部分628、632及636中的像素以及经图案化特征606的部分638、642及646中的像素分离到第四区域中。
84.可针对整个rdl线的不同线分段而定义不同区域id，且可通过如图6中所展示的不同填充图案或以另一方式(例如利用不同掩模色彩)表示所述不同区域id。一或多个计算机子系统可使用适当rdl提取规则脚本利用designwise
tm
特征容易地产生并使用如本文中所描述的掩模。可在处方设置时间期间执行掩模的设置。
85.针对测试图像中位于经图案化特征内的至少一个像素，检测缺陷候选者包含确定至少一个像素的特性与测试图像中位于至少一个像素的预定窗内的其它像素的特性之间的差且基于所确定差而检测所述至少一个像素处的缺陷候选者。这些步骤探索并利用rdl线/空间中的结构连续性/不连续性及rdl线/空间特定噪声统计数据来检测例如线开口缺陷等缺陷。这些步骤中的目标可为借助于如上文所描述的rdl线掩模而检测线开口缺陷。如上文所描述，由于rdl线粗糙度，因此来自裸片到裸片或其它测试到参考比较的差强度将产生过多噪声。然而，通过查看测试图像本身，显然存在线开口缺陷信号。举例来说，图7包含清晰地展示线开口缺陷的测试图像。特定来说，测试图像700展示相对小的线开口缺陷702。测试图像704展示在参考图像710中不可见的褪色线缺陷706及相对大的丢失线缺陷708(以线的对角线分段及所述线的另一水平分段两者)。这些图像中的线的粗糙度也是极清晰的。
86.本文中所描述的实施例使用结构连续性/不连续性的特性来检测线开口缺陷。存在与本文中所描述的步骤相关的rdl线结构的两个观察。一个观察是，对于线开口缺陷区中的像素，那些像素“属于”通常在bf模式中具有比线更低及/或更均匀强度的空间。第二观察是，对于靠近rdl线的边缘的像素，强度通常具有下降，即，所述强度低于线的内部中的像素的强度但高于空间中的像素的强度。
87.如上文所描述，在一个实施例中，掩模将经图案化特征的具有不同定向的部分内的像素分离到不同区域中，且在一些此类实施例中，针对不同区域而单独地执行本文中进一步所描述的确定及检测步骤。举例来说，利用基于设计的flexpoint
tm
掩模(基于原生检验像素)的便利，本文中所描述的实施例可以 /-1像素的准确度容易地识别帧中的像素是否属于水平rdl线、垂直rdl线、135度rdl线、45度rdl线、rdl线之间的空间、具有不同定向的rdl线之间的空间、不关心的区等。可然后针对线及空间的具有不同定向的不同区域、可能利用一或多个不同参数(例如不同预定窗大小、不同阈值、不同敏感度等)单独地执行本文中所描述的步骤。举例来说，可利用第一预定窗大小及形状以及第一阈值或敏感度来检验线的具有垂直定向的区域，且可利用第二预定窗大小及形状以及第二阈值或敏感度来检验线的具有水平定向的区域。可类似地使本文中所描述的步骤的其它参数变化。还可针对本文中所描述的其它图案化结构及定向而使参数变化。
88.在一个此实施例中，一或多个计算机子系统经配置以用于独立地确定用于针对不同区域而单独执行的确定步骤的预定窗的一或多个特性。举例来说，可在针对不同rdl线分段的检验处方中定义用于确定空间不连续性的预定窗大小。每一类型的线分段可具有其自身的特定窗大小定义。可在处方设置阶段中确定窗大小定义。
89.图11展示针对不同rdl线分段的不同预定窗大小定义。在这些图像中通过以白色勾勒的区而展示预定窗。举例来说，图像1100展示针对水平线分段的预定窗大小定义。图像1102展示针对垂直线分段的预定窗大小定义。图像1104展示针对135度对角线rdl线分段的预定窗大小定义，且图像1106展示针对45度对角线rdl线分段的预定窗大小定义。
90.在一个实施例中，确定差包含确定预定窗内的至少一个像素及其它像素的特性的
范围，所述范围是预定窗内的至少一个像素及其它像素的特性的最大值与最小值之间的差，且检测缺陷候选者包含将阈值应用于所述范围。本文中描述用于基于单裸片的检验的方法的两个实施例。此方法使用基于空间范围窗(即，预定窗)的空间连续性度量。基于以上两个观察，对于rdl线上的每一像素，可想出以rdl线分段上的像素为中心的空间窗且计算范围(最大强度像素与最小强度像素之间的差)。
91.图8展示此方法可如何成功地检测rdl线上的缺陷。特定来说，图8展示使用范围作为度量来检测由于水平rdl线中的线开口缺陷引起的结构不连续性的实例800，及使用范围作为度量来检测对角线rdl线中的线开口缺陷的结构不连续性的实例810。实例800包含线802及空间804以及覆叠于线中的一者的不同部分上的两个预定窗806及808的图像。预定窗806及808仅是展示为以线中的一者内的不同像素为中心的相同预定窗的两个实例。实例810包含线812及空间814以及覆叠于线中的一者上的两个预定窗816及818的图像。如上，预定窗816及818仅是展示为以线中的一者内的不同像素为中心的相同预定窗的两个实例。针对居中于预定窗806及816中的像素而确定的范围值将为相对低的，这是因为这些预定窗中的像素全部位于相对低强度且安静的空间中。相比来说，在预定窗808及818中确定的范围值是相对高的。举例来说，基于用于检验图像的检验子系统的亮度级设定，范围可为明线结构及暗空间背景的最大值。
92.图8展示利用此预定窗，本文中所描述的实施例可以相对低的计算成本来检测rdl不连续性。当然，借以检测此类rdl线开口缺陷的敏感度取决于窗大小。如果窗大小过大，那么其可错过一些大体上小的线开口。如果窗大小过小，那么其可引入滋扰。然而，此检测方法本身未必针对于以零或极低滋扰率实现大体上较高捕获率。而是，此检测方法可用作“廉价且公平”的rdl线开口检测方法。可执行本文中所描述的其它步骤以将所检测缺陷候选者分离成滋扰及缺陷。
93.在另一此实施例中，一或多个计算机子系统还经配置以用于基于缺陷候选者的一或多个特性而确定缺陷候选者是否是缺陷。举例来说，此检测方法可与一些形态学后处理组合以移除相对小的线开口滋扰及/或与通过ido(其为可用于可从kla商业购得的一些工具上的缺陷分类模块)而指派最终缺陷分类组合，或与基于深度学习(dl)的分级(binning)组合以移除过多滋扰并保留真实线开口doi。可如本文中进一步所描述而执行此形态学后处理及缺陷分类或分级。
94.在一个此实施例中，缺陷候选者包含经图案化特征中的完整开口。举例来说，上文所描述的第一方法是相对简单且快速的并且将检测比用于rdl线检验的其它当前所使用方法及系统少的滋扰，但其性能对于完整线开口是良好的而对于部分线开口未必是良好的。
95.第二方法是基于像素强度相对于经图案化特征中且可能每一裸片帧中的同一对应rdl线分段中的平均强度的差(其可在本文中简单地称为“单裸片diff-to-mean”或“sddifftmean”)。举例来说，在另一实施例中，确定差包含确定至少一个像素的特性与预定窗内的至少一个像素及其它像素的特性的平均值之间的差。可以任何适合方式确定平均值以及像素的特性与平均值之间的差。
96.在一个此实施例中，预定窗囊括测试图像中的经图案化特征的整体。举例来说，不同于第一方法，在其内确定差的预定窗可包含测试图像中的经图案化特征的整体。特定来说，可确定所识别经图案化特征中的所有像素的特性(例如，强度)的平均值，且然后可确定
所述经图案化特征中的任何一个像素的特性与所述平均值之间的差并将所述差用于本文中所描述的检测步骤。当测试图像中的经图案化特征的整体具有单个定向(如图8的实例800中所展示的线)时，此实施例可为适合的。
97.在另一此实施例中，预定窗囊括测试图像中的经图案化特征的整体以及测试图像中的一或多个其它整个经图案化特征，且一或多个其它整个经图案化特征具有与经图案化特征相同的类型及定向。举例来说，如果测试图像包含具有相同类型及定向的多于一个经图案化特征(例如，图8的实例800中所展示的线)，那么可确定测试图像中的所有那些经图案化特征中的所有像素的特性的平均值，且然后可确定那些经图案化特征中的任何一个像素的特性与所述平均值之间的差并将所述差用于本文中所描述的检测步骤。从测试图像中的具有相同类型及定向的经图案化特征中的多于一个(或所有)经图案化特征确定平均值可为本文中所描述的检测步骤提供优点，例如，平均值可较稳定且较少地响应于经图案化特征中的噪声。另外，仅从测试图像中的一或若干经图案化特征(且并不从针对样品而产生的任何其它图像，例如其它测试图像或参考图像)确定平均值可有利地减少非缺陷样品内或跨越样品的变化对平均值的影响。
98.可针对经图案化特征的具有不同定向且被分离成不同像素区域的不同部分而使预定窗类似地变化。举例来说，可从测试图像中的rdl线的水平定向分段中的所有像素确定平均值，可从测试图像中的rdl线的垂直定向分段中的所有像素确定另一平均值等。可然后基于像素所定位的rdl线的分段而选择用于确定针对任何一个像素的差的平均值。换句话说，如果测试图像中的像素位于rdl线的垂直定向分段中，那么可选择从测试图像中的rdl线的垂直定向分段中的所有(或至少一些)垂直定向分段确定的平均值并将所述平均值用于确定针对所述像素的差。
99.在另一此实施例中，检测缺陷候选者包含确定与预定窗内的至少一个像素及其它像素的平均值及特性的标准偏差、通过将差除以标准偏差而确定信号强度，及将阈值应用于信号强度。概念是相对简单的：可针对每一帧中的每一组线分段(例如，水平、垂直、135度对角线及45度对角线rdl分段)而计算平均强度及强度的标准偏差。然后，检验仅为寻找每一像素的相对强度，如在用于对应线分段的以下方程式中所描述：
100.信号_强度＝(像素_强度-平均_强度)/标准_偏差。
101.如果信号强度大于规定阈值(特定于极性，暗缺陷及亮缺陷具有其不同阈值)，那么像素是异常的。此方法在概念上是简单的但在计算上可为相对昂贵的。举例来说，此方法可包含两个帧像素访问遍次，第一遍次是用于收集每一区域或群组中的噪声统计数据(例如，平均值及标准偏差)，而第二遍次是用于相对强度计算及异常检测。可以此项技术中已知的任何适合方式另外确定平均值及标准偏差。
102.在一个此实施例中，一或多个计算机子系统进一步经配置以用于从针对测试图像而产生的中值参考图像确定平均值及标准偏差。举例来说，可使用rdl空间分段掩模及下方的mrd图像来自动计算空间分段中的平均强度范围的对应参数。可以此项技术中已知的任何适合方式产生mrd图像。可在处方设置时间期间执行此步骤。
103.在取决于吞吐量优化而执行的任选步骤中，在从rdl线分段设计多边形产生掩模之后(意味着rdl多边形的设计已与mrd图像中的rdl线结构对准)，计算水平、垂直、45度及135度对角线rdl线分段的像素强度的平均值及标准偏差，且可针对rdl线分段之间的空间
分段中的那些像素而执行类似计算。可在处方设置时间期间执行这些步骤。
104.在另一此实施例中，一或多个计算机子系统经配置以用于从测试图像确定平均值及标准偏差。举例来说，平均值及标准偏差可如上文所描述从单个测试图像而确定且将提供上文所描述的相同优点。以此方式，本文中所描述的实施例可提供真正单裸片图像(sdi)缺陷检测。
105.在一些实施例中，识别经图案化特征包含将掩模施加到测试图像(所述掩模分离测试图像中在经图案化特征内的像素与测试图像中的所有其它像素)且预处理施加掩模的结果以识别超出经图案化特征的一或多个边缘的一或多个像素并从经图案化特征内的像素移除所识别一或多个像素。在另一实施例中，识别经图案化特征包含将掩模施加到测试图像(所述掩模分离测试图像中在经图案化特征内的像素与测试图像中的所有其它像素)且后处理施加掩模的结果以识别超出经图案化特征的一或多个边缘的一或多个像素并从经图案化特征内的像素移除所识别一或多个像素。在这些实施例中，可将掩模施加到测试图像(如上文进一步所描述)且可将预处理或后处理(或甚至此两者)应用于掩模施加的结果以解决所述步骤中的任何边缘性。举例来说，由于系统限制，因此掩模放置准确度可针对大多数系统为约 /-1.5像素。如下文进一步所描述的图9中可见，在缩放层级处，可存在包含于rdl线分段中的额外空间像素。那些额外空间像素将促成过多滋扰检测。因此，较稳健预处理或后处理将对于减轻所述滋扰检测是有利的。存在用以解决这些额外空间像素的两种方式：(1)预处理rdl线分段掩模以移除线分段中的空间像素；及(2)后处理以移除具有较低强度的过多空间像素。无论哪种方式，操作均涉及比本文中所描述的第一方法更昂贵的计算。可以此项技术中已知的任何适合方式另外执行预处理步骤及后处理步骤。
106.特定来说，图9展示针对样品而产生的两个测试图像900及908。测试图像900包含两个rdl线902及904，其中在rdl线904中具有线开口缺陷906。测试图像908还包含两个rdl线910及912，所述两者均不包含线开口缺陷。然而，如本文中所描述针对这些图像而确定的相对信号强度将导致对测试图像900中的线开口doi及rdl线边缘914处的滋扰两者进行检测。换句话说，用于rdl线开口检测的sddifftmean方法提供对线开口及部分线开口缺陷的有效检测但还可检测rdl线边缘处的像素的过多滋扰。因此，上文所描述的预处理步骤及后处理步骤可为用于本文中所描述的实施例的重要滋扰减少技艺。
107.在另一实施例中，缺陷候选者包含经图案化特征中的完整或部分开口。举例来说，sddifftmean方法能够检测完整线开口缺陷以及相对较大部分线开口(如图10中所展示)两者。特定来说，sddifftmean方法能够检测完整线开口缺陷(例如图9的测试图像900中所展示的线开口缺陷906)以及部分线开口缺陷(例如图10中所展示的测试图像1000的圆圈部分1002中所展示的部分线开口缺陷)两者。以此方式，通过sddifftmean方法而确定的相对信号强度可检测部分线开口。
108.在一些实施例中，一或多个计算机子系统经配置以用于通过对检测步骤的结果执行形态学运算而确定缺陷候选者是否是缺陷。举例来说，本文中所描述的实施例可使用形态学运算来移除相对少数候选像素集团。在本文中所描述的两种基于单裸片的rdl线开口候选者检测方法中，不可避免地两种方法将不会仅提供doi捕获。与传统基于裸片到裸片差的检验方法相比，两种方法提供较佳的doi捕获率对滋扰率。所述传统基于裸片到裸片差的检验方法通常以巨大滋扰检测来压倒检验，使得对真实doi的检测变得不可能。新的基于单
裸片的方法(基于空间不连续性或基于相对信号强度)将在低得多的滋扰率下给出好得多的捕获率。然而，对于有生产价值的晶片检验，优选地进一步减少滋扰。对此滋扰的一个观察是其通常零星地传播且具有相对较小像素计数集团。如此，可执行形态学运算以移除相对较小大小的滋扰。此基于形态学运算的滋扰滤波可在检验后处理阶段处减少实质滋扰量。可以任何适合方式另外执行分析缺陷候选者的形态性质及使用那些形态性质来分离可能的滋扰与可能的doi。
109.在额外实施例中，一或多个计算机子系统经配置以用于通过基于测试图像对缺陷候选者进行分级而确定缺陷候选者是否是缺陷。在另一实施例中，一或多个计算机子系统经配置以用于通过将基于深度学习(dl)的分类器应用于测试图像而确定缺陷候选者是否是缺陷。举例来说，实施例可使用基于ido的分级或基于dl的分级来进一步移除滋扰。在一个此实例中，存在在空间尺寸上相对较大但可因其外观而在视觉上被识别为滋扰的一些结构，举例来说，rdl线边缘粗糙度对部分线开口，或线弯曲。可使用ido线内分级来滤除每一并行处理单元层级处的可能滋扰。如果doi及滋扰是视觉上可区分的，那么使用缺陷候选片块的dl分级可具有比ido分类器更好的滋扰减少结果。基于dl的分级可如2020年3月31日颁予何(he)等人的美国专利第10,607,119号中所描述而执行，所述美国专利如同完全陈述于本文中一般以引用的方式并入。基于dl的滋扰滤波可如由黄(huang)等人在2019年10月24日提出申请的美国专利申请案第16/663,283号中所描述而执行，所述美国专利申请案如同完全陈述于本文中一般以引用的方式并入。本文中所描述的实施例可如此专利及专利申请案中所描述而进一步配置。
110.在一个实施例中，在不具有参考图像的情况下执行确定及检测步骤。换句话说，检测缺陷候选者可包含单个图像缺陷检测，而非需要如在裸片到裸片检验中的两个裸片图像或如在裸片到参考检验中的测试及参考图像。举例来说，金属颗粒是后端晶片检验中的主要滋扰。由于金属颗粒跨越样品(例如晶片)(例如，跨越晶片上的所有裸片)而随机分布，因此金属颗粒无法由裸片到裸片差抵消。特定来说，通过金属层的裸片到裸片减法而产生的差图像将包含无法由所述减法抵消且可被检测为事件的颗粒噪声。事实上，基于裸片到裸片差的方法可放大来自金属颗粒的噪声，借此使得不可能检测到doi。因此，用于检测及分级的当前所使用裸片到裸片缺陷方法将不适用于此类样品。如此，本文中所描述的实施例可经配置以用于在不使用任何参考裸片(无论是来自邻近裸片还是标准参考裸片)的情况下对一个裸片中的缺陷进行检测及分类。本文中所描述的实施例可检测doi候选者且通过dl或以本文中进一步描述的另一方式通过单裸片缺陷片块图像而分离真正doi与金属颗粒滋扰。
111.图12图解说明可被执行以用于如本文中所描述而检测缺陷的步骤的一个实施例。可在两个不同阶段中执行步骤：设置阶段1200及运行时间阶段1202。在设置阶段期间，一或多个计算机子系统可使用设计数据1204(例如，gds档案)作为用于再现及放置步骤1206的输入，可以此项技术中已知的任何适合方式执行所述再现及放置步骤。在设置阶段中，一或多个计算机子系统还可执行参考产生步骤1208，其可包含产生用于样品检验的mrd或另一类型的参考。参考产生步骤以及再现及放置步骤的结果可由计算机子系统用于分段掩模产生步骤1210，所述分段掩模产生步骤可包含产生本文中所描述的分段掩模中的一者。计算机子系统还可使用参考产生步骤1208输出来进行锚定位点寻找步骤1212，其中在所产生参
考中选择锚定位点。锚定位点可然后用于检验过程中以将由检验子系统产生的图像与共同参考对准。
112.在检验的运行时间，可将处方参数向下发送到正运行检验的每一cpu核心。在运行时间阶段中，可将与不同rdl线/空间分段相关联的额外处方参数向下发送到检验计算机以及供用于检验中的掩模。在运行时间阶段中，一或多个计算机子系统使用锚定位点寻找步骤的输出来执行片块到掩模对准步骤1214，在所述片块到掩模对准步骤中，将由检验子系统产生的图像与掩模对准，使得可通过在经扫描图像上放置掩模步骤1216而如本文中进一步所描述识别图像中的经图案化特征。如步骤1218中所展示，一或多个计算机子系统然后执行基于分段的基于裸片到裸片(dtd)差强度的检验或单裸片(sd)检验，如本文中所描述。举例来说，在运行时间阶段中，基于分段的基于dtd/sd目标强度的检验步骤可包含利用分段掩模的传统裸片到裸片检验或者利用本文中进一步所描述的如下两种方法中的一者执行新的分段掩模导引的单裸片检验：(1)针对结构连续性的空间窗；及/或(2)同一分段中的像素强度与其平均强度之间的差可能由同一分段的标准偏差正规化。
113.图13图解说明可由本文中所描述的实施例执行以用于基于“空间连续性”的单裸片rdl线开口检测的步骤的实施例。如图13中所展示，步骤在两个阶段中执行：检测路径阶段1300及后处理阶段1302。一或多个计算机子系统执行预处理步骤1304，其可包含本文中所描述的预处理步骤中的任何者。在完成预处理步骤之后，检测路径可以确定是否完成像素循环开始，如步骤1306中所展示。执行“像素循环”意指循环通过(访问)工作帧、片块图像、测试图像等中的每一像素。如果完成像素循环，那么一或多个计算机子系统继续进行到后处理阶段。
114.如果确定未完成像素循环，那么一或多个计算机子系统确定像素是否在rdl线n上，如步骤1308中所展示。如果像素不在rdl线上，那么一或多个计算机子系统重复步骤1306。如果确定像素在rdl线上，那么计算机子系统确定像素的强度是否在范围(n)内，如步骤1310中所展示。可将在范围内的像素强度定义为大于范围设定的最小值且小于范围设定的最大值的强度。如果像素不在范围(n)内，那么一或多个计算机子系统返回到步骤1306。如果确定像素强度在范围(n)内，那么一或多个计算机子系统确定单裸片像素窗范围是否小于阈值，如步骤1312中所展示。小于阈值的单裸片像素窗范围意指相邻像素的最大强度-相邻像素的最小强度小于阈值设定。如果单裸片像素窗范围不小于阈值，那么一或多个计算机子系统返回到步骤1306。如果确定单裸片像素窗范围小于阈值，那么一或多个计算机子系统将像素标记为有缺陷的，如步骤1314中所展示。在步骤1314之后，一或多个计算机子系统返回到步骤1306。
115.当一或多个计算机子系统在步骤1306中确定完成像素循环时，一或多个计算机子系统在后处理阶段1302的步骤1316中产生有缺陷斑点。一或多个计算机子系统然后在步骤1318中确定是否完成有缺陷斑点循环。如果确定未完成有缺陷斑点循环，那么一或多个计算机子系统确定斑点中的有缺陷像素的数目是否大于阈值，如步骤1320中所展示。如果斑点中的有缺陷像素的数目不大于阈值，那么一或多个计算机子系统返回到步骤1318。如果斑点中的有缺陷像素的数目大于阈值，那么一或多个计算机子系统产生缺陷，如步骤1322中所展示。在一或多个计算机子系统产生缺陷之后，一或多个计算机子系统返回到步骤1318。当一或多个计算机子系统确定完成有缺陷斑点循环时，一或多个计算机子系统执行
后处理步骤1324，其可包含本文中所描述的后处理步骤中的任何者。一或多个计算机子系统然后执行返回结果步骤1326，其中将由计算机子系统执行的步骤中的任何者的结果输出作为检验结果档案或另一适合档案。
116.图14图解说明可由本文中所描述的实施例执行以用于基于“经正规化相对强度与平均值”的单裸片rdl线开口检测的步骤的实施例。如图14中所展示，步骤可在两个阶段中执行：噪声收集路径阶段1400及检测路径阶段1402。在开始噪声收集路径之前，一或多个计算机子系统执行预处理1404，其可包含本文中所描述的预处理步骤中的任何者。在完成预处理步骤之后，一或多个计算机子系统通过确定是否完成第一像素循环而开始噪声收集路径，如步骤1406中所展示。如果未完成第一像素循环，那么一或多个计算机子系统确定像素是否在rdl线n或空间m上，如步骤1408中所展示。如果确定像素不在rdl线n或空间m上，那么一或多个计算机子系统返回到步骤1406。如果确定像素在rdl线n或空间m上，那么一或多个计算机子系统收集线(n)及/或空间(m)的分段的强度的平均值及标准偏差(std)，如步骤1410中所展示。在一或多个计算机子系统执行步骤1410之后，一或多个计算机子系统返回到步骤1406。
117.当一或多个计算机子系统在步骤1406中确定完成第一像素循环时，一或多个计算机子系统通过在步骤1412中确定是否完成第二像素循环而开始检测路径1402。如果一或多个计算机子系统确定未完成第二像素循环，那么一或多个计算机子系统确定像素是否在rdl线n或空间m上，如步骤1414中所展示。如果确定像素不在rdl线n或空间m上，那么一或多个计算机子系统返回到步骤1412。如果确定像素在rdl线n或空间m上，那么一或多个计算机子系统利用(pixel_intensity-mean[n])/std[n]来计算像素的信号强度，如步骤1416中所展示。在一或多个计算机子系统计算像素的信号强度之后，一或多个计算机子系统确定像素的信号强度是否大于阈值，如步骤1418中所展示。如果像素的信号强度不大于阈值，那么一或多个计算机子系统返回到步骤1412。如果像素信号强度大于阈值，那么计算机子系统将像素标记为有缺陷的，如步骤1420中所展示。
[0118]
当一或多个计算机子系统在步骤1412中确定完成第二像素循环时，一或多个计算机子系统开始后处理阶段1422。在此实施例中执行的后处理阶段可与图13中所展示的后处理阶段相同。
[0119]
上文所描述且在图12到14中所展示的步骤的实施例可通过本文中所描述的系统实施例中的任何者执行。另外，在这些图中所描述及展示的步骤的实施例可如本文中进一步所描述而执行且与本文中所描述的任何其它步骤组合。
[0120]
在本文中所描述的第一方法与第二方法之间存在一些差异及类似性，所述差异及类似性可用于选择所述方法中的哪一者对于任何特定使用情形是最好的。举例来说，基于第一像素范围的方法仅需要访问帧中的每一像素的一个检测遍次，这使得其与第二方法相比在计算上成本较低，所述第二方法可包含帧像素访问的两个遍次，一个遍次用于噪声统计数据收集(每一分段中的强度的平均值及标准偏差)且一个遍次用于检验。另外，基于第一像素范围的方法以相对低成本检测完整线开口缺陷，而基于第二平均值的方法可除了完整线开口缺陷之外还检测rdl部分线开口缺陷。为减少基于第二平均值的方法的成本，实施例可在设置阶段中计算mrd或另一适合参考上的平均值及标准偏差，如本文中所描述。以此方式，实施例可避免针对每一像素执行两个遍次，但使用此参考可较不能够适应不同裸片
中的晶片尺度局部工艺变化。两种方法的后处理阶段可为相同的。两种方法中的后处理步骤可包含本文中所描述之后处理步骤中的任何者，例如基于ido的滋扰减少及基于dl分级的滋扰减少。
[0121]
本文中所描述的实施例具有优于用于检测rdl线及其它噪声经图案化特征上的缺陷的其它当前所使用系统及方法的若干个优点。举例来说，本文中所描述的实施例可利用用于检测(部分)线开口缺陷的基于单裸片强度的特征，其克服由rdl线的相对粗糙金属表面在裸片到裸片强度差中导致的过多噪声的问题。另外，使用基于设计的掩模允许实施例解决rdl线与rdl线下方的子裸片结构之间的不一致移位。本文中所描述的实施例还可帮助改进针对awlp使用情形通过现有后端检验工具而捕获rdl线开口的敏感度。
[0122]
本文中所描述的实施例以实现上文所描述的优点的若干种重要方式与用于检测rdl线及其它噪声经图案化特征上的缺陷的当前所使用系统及方法不同。举例来说，本文中所描述的实施例能够进行避免基于裸片到裸片差的检验中的过多噪声的基于单裸片强度的检验。另外，本文中所描述的实施例提供新的基于空间连续性的度量以用于rdl线开口检测。本文中所描述的实施例还提供新的基于相对强度的度量以用于rdl线开口检测。此外，本文中所描述的实施例可经配置以使用设计多边形信息来简化并促进将rdl线的不同分段(例如，水平、垂直、135度对角线、45度对角线)分离到不同区域中，这对于其中传统基于强度的掩模产生变得不可能的情形是尤其重要的。本文中所描述的实施例还可使用基于dl的分级以通过移除从基于强度的检测方法通过的滋扰而在滋扰与doi之间较好地进行区分。
[0123]
一或多个计算机子系统可经配置以用于产生所检测缺陷候选者及/或所检测缺陷的结果。缺陷候选者及/或缺陷的结果可包含本文中所描述的结果中的任何者，例如所检测缺陷的边界框的信息(例如，位置等)、检测得分、关于缺陷分类的信息(例如类别标签或id等)或此项技术中已知的任何此适合信息。缺陷候选者及/或缺陷的结果可由计算机子系统以任何适合方式产生。缺陷候选者及/或缺陷的结果可具有任何适合形式或格式，例如标准档案类型。计算机子系统可产生结果并存储结果，使得所述结果可由计算机子系统及/或另一系统或方法使用来执行样品或相同类型的另一样品的一或多个功能。此类功能包含但不限于以反馈方式更改例如制作工艺等工艺或对样品执行的步骤、以前馈方式更改例如制作工艺等工艺或将对样品执行的步骤等。
[0124]
上文所描述的系统中的每一者的实施例中的每一者可一起组合成一个单个实施例。
[0125]
另一实施例涉及一种用于检测样品上的缺陷的计算机实施方法。所述方法包含：通过检验子系统而识别样品的所产生图像中所包含的测试图像中的经图案化特征。所述方法还包含：针对测试图像中位于经图案化特征内的至少一个像素，确定至少一个像素的特性与测试图像中位于至少一个像素的预定窗内的其它像素的特性之间的差。另外，所述方法包含：基于所确定差而检测至少一个像素处的缺陷候选者。识别、确定及检测步骤由耦合到检验子系统的一或多个计算机子系统执行。
[0126]
可如本文中进一步所描述而执行所述方法的步骤中的每一者。所述方法还可包含可由本文中所描述的系统、计算机子系统及/或检验子系统执行的任何其它步骤。检验子系统及一或多个计算机子系统可根据本文中所描述的实施例中的任何者(例如，分别检验子系统10以及计算机子系统36及102)而配置。另外，上文所描述的方法可由本文中所描述的
系统实施例中的任何者执行。
[0127]
额外实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在一或多个计算机系统上执行以执行用于检测样品上的缺陷的计算机实施方法。在图15中展示一个此实施例。特定来说，如图15中所展示，非暂时性计算机可读媒体1500包含可在计算机系统1504上执行的程序指令1502。计算机实施方法可包含上文所描述的任何方法的任何步骤。
[0128]
实施例如本文中所描述的方法等方法的程序指令1502可存储于计算机可读媒体1500上。计算机可读媒体可为例如磁盘或光盘、磁带等存储媒体，或者此项技术中已知的任何其它适合的非暂时性计算机可读媒体。
[0129]
可以各种方式中的任一者来实施程序指令，所述方式包含基于程序的技艺、基于组件的技艺及/或面向对象的技艺以及其它。举例来说，可按需要使用activex控件、c 对象、javabeans、微软基础类别(“mfc”)、sse(串流化simd扩展)或者其它技艺或方法来实施程序指令。
[0130]
计算机系统1504可根据本文中所描述的实施例中的任何者而配置。
[0131]
鉴于此描述，所属领域的技术人员将明了本发明的各种方面的其它修改及替代实施例。举例来说，提供用于检测样品上的缺陷的系统及方法。因此，此描述应被视为仅具说明性，且是出于教示所属领域的技术人员实施本发明的一般方式的目的。应理解，本文中所展示及所描述的本发明的形式应被视为目前优选实施例。如所属领域的技术人员在受益于对本发明的此描述之后将全部明了，元件及材料可替代本文中所图解说明及描述的那些元件及材料，零件及工艺可颠倒，且本发明的特定特征可独立地利用。可在不背离如所附权利要求书中所描述的本发明的精神及范围的情况下对本文中所描述的元件做出改变。