Most defect inspection methods in semiconductor systems need design layout or golden die image. Unlike most methods that require additional information, this paper presents an automatic inspection of defects in semiconductor images with single image. We devise two method to classify the semiconductor images. The first method is based on the cosine similarity and it classify an image into four types: flat, linear, pattern, and complex. The second method is based on the singular value decomposition and it determine whether the image has a linear or complex structure. For the linear image, we present two method to reconstruct a defect-free image. For the patterned image, we also reconstruct a defect-free image. By subtracting the defect-free image from the input image, we obtain the flat image. Defects are found by estimating the inlier distribution for flat images. The Fast-MCD method estimates the inlier distribution by choosing the subset which has the minimum covariance determinant. We devise a statistical method to estimate the inlier distribution by fitting a log-histogram at the center. An image with a complex structure is inspected by two neural networks.
In addition, if computer aided design (CAD) data is available, we use it to construct a signed distance function (SDF). Along the level curve of the SDF, we obtain a defect-free image. Then, flatten image can be obtain from difference image.
반도체 시스템에서 실시되는 대부분 결함 검사 방법은 디자인 정보 또는 결함이 없는 참고 영상이 필요하다. 이러한 추가적인 정보가 필요한 대부분 결함 검사 방법과는 다르게, 이 논문에서는 반도체 단일영상에서 자동으로 결함을 찾는 방법을 제시한다. 반도체 영상을 분류하는 두 가지 방법을 고안했다. 첫 번째는 코사인 유사도를 이용하여 ‘평평한 영상’, ‘선형구조 영상’, ‘패턴 영상’, ‘복잡한 영상’의 네 종류로 분류한다. 두 번째 방법은 특잇값 분해를 기반으로 영상에 선형구조가 있는지 없는지를 판단한다. 선형구조를 가진 영상에 대해서는 결함이 없는 영상을 만드는 방법이 두 가지 있다. 또한, 패턴 영상에 대해서도 결함이 없는 영상을 복원할 수 있다. 결함이 없는 영상과 입력 영상과의 차영상으로 평평한 영상을 얻을 수 있다. 평평한 영상에 대해서는 내부 분포를 추정하여 결함을 찾는다. 빠른 최소 공분산 행렬식 방법은 최소 공분산 행렬식을 갖는 부분집합을 선택하는 방법이다. 선택된 부분집합의 분포에서 전체 분포를 추정한다. 로그 히스토그램의 중심부에 곡선 적합을 이용하여 내부 분포를 추정하는 통계적인 방법을 고안했다. 복잡한 영상에 대해서는 신경망을 이용하여 결함을 검사한다.
추가로, 컴퓨터 지원 설계가 있는 경우, 이를 이용하여 부호화 거리 함수를 만들 수 있다. 이 부호화 거리 함수의 등위 곡선을 이용하여 결함이 없는 영상을 얻는다. 마찬가지로, 차영상으로 평평한 영상을 얻는다.
