快速及模糊的图案分组

技术领域

本发明大体上涉及用于确定样品的信息的方法及系统。某些实施例涉及用于基于散列码及任选地k最近邻方法进行缺陷或图案分组的方法及系统。

背景技术

以下描述及实例不因它们包含在本章节中而被承认是现有技术。

制造半导体装置(例如逻辑及存储器装置)通常包含使用大量半导体制造工艺处理衬底(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。例如，光刻是涉及将图案从光罩转移到布置在半导体晶片上的抗蚀剂的半导体制造工艺。半导体制造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。多个半导体装置可制造在单一半导体晶片上的布置中且接着被分成个别半导体装置。

在半导体制造工艺期间的各个步骤处使用检验工艺来检测样品上的缺陷以驱动制造工艺中的更高良率及因此更高利润。检验始终是制造半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得更为重要，这是因为较小缺陷可能引起装置故障。

在许多检验工艺中，一种用于处置结果的非常有用方式是基于缺陷位于其上、内及/或附近的图案对缺陷分组。为了容易起见，所有此类图案在本文中统称为“背景图案”。出于数个原因，基于它们的背景图案对缺陷分组可为有用的。例如，如果可基于它们的背景图案对缺陷排序，那么可识别展现最高缺陷率的背景图案。接着，可进一步分析那些经识别背景图案以确定在它们中为何检测如此多的缺陷。另外，如果已知一些背景图案非所关注或易于为扰乱点而非真实缺陷，那么可从结果挑出并忽略或删除在此类背景图案中检测到的任何缺陷。

已开发用于基于它们背景图案对缺陷分组的若干方法。一种此方法包含从图像裁切缺陷位置周围的图块且逐一比较所有缺陷对的经裁切图块。这种方法还包含将具有高类似性分数的缺陷放入同一群组中且分离具有低类似性分数的缺陷对。逐像素移动缺陷，基于两个缺陷的强度差异而确定缺陷对的类似性。另一此方法类似于上文描述的方法，但通过归一化互相关(NCC)算法替换逐像素移动。

尽管已广泛实施用于基于背景图案对缺陷分组的这些及其它当前可用方法，但它们具有若干重要缺点。例如，在上文描述的两种方法中，需要比较所有缺陷对，这在计算上是昂贵的。特定来说，如果所有缺陷的数目是N，那么需要N*N/2个比较。另外，上文描述的两种方法无法处置模糊类似性，这表示存在在形状上非常类似但不完全相同的一些图案。以这种方式，强度差异及NCC分数均无法处置模糊类似性。在上文描述的第一方法中，强度差异检查非常缓慢。在最坏情况中，对于每一缺陷对的单一比较需要n*n个子比较。此外，上文描述的两种方法的类似性检查适用于整个缺陷图块。因而，不存在专注于缺陷周围的像素或触碰缺陷的图案的机制。

因此，开发没有上文描述的一或多个缺点的用于确定样品的信息的系统及方法将是有利的。

发明内容

各种实施例的以下描述不应以任何方式被解释为限制所附权利要求书的主题。

一个实施例涉及一种系统，其包含计算机子系统，所述计算机子系统经配置用于移除样品图像中的不触碰在所述样品图像中检测到的缺陷的一或多个图案，由此产生经修改样品图像。所述计算机子系统还经配置用于产生用于所述经修改样品图像的一或多个散列码。另外，所述计算机子系统经配置用于基于所述一或多个散列码与对于为第二样品图像产生的第二经修改样品图像产生的一或多个其它散列码之间的距离而将所述样品图像指派给多个群组中的一者。可如本文中描述那样进一步配置所述系统。

另一实施例涉及一种用于确定样品的信息的计算机实施方法。所述方法包含由计算机系统执行的上文描述的移除、产生及指派步骤。可如本文中进一步描述那样执行所述方法的所述步骤中的每一者。所述方法可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。所述方法可由本文中描述的系统中的任一者来执行。

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，所述程序指令可在计算机系统上执行以执行用于确定样品的信息的计算机实施方法。所述计算机实施方法包含上文描述的方法的步骤。可如本文中描述那样进一步配置所述计算机可读媒体。可如本文中进一步描述那样执行所述计算机实施方法的所述步骤。另外，所述程序指令可对于其执行的计算机实施方法可包含本文中描述的(若干)任何其它方法的(若干)任何其它步骤。

附图说明

在受益于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白本发明的进一步优点，在附图中：

图1及1a是说明如本文中描述那样配置的系统的实施例的侧视图的示意图；

图2是说明可经执行用于将样品图像指派给群组的步骤的实施例的流程图；

图3是说明可经执行用于对于经修改样品图像产生散列码的步骤的一个实施例的流程图；

图4包含经修改样品图像的实施例及经修改样品图像的通过旋转或平移而产生的经更改版本的实施例；

图5是说明经修改样品图像及经修改样品图像的通过旋转而产生的经更改版本的实施例以及可对于不同经修改样品图像产生的散列码的实例的示意图；

图6是说明可经执行用于将一个群组中的样品图像指派给最终群组的步骤的实施例的流程图；

图7是说明经修改样品图像及多个对应图像以及在对应于经修改样品图像的样品图像中检测到的缺陷的属性的一个实施例的示意图；及

图8是说明存储用于引起计算机系统执行本文中描述的计算机实施方法的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。

虽然本发明易于以各种修改及替代形式呈现，但本发明的具体实施例在附图中以实例的方式进行展示且在本文中进行详细描述。附图可不按比例。然而，应理解，附图及其详细描述并不意在将本发明限于所公开的特定形式，恰相反，意图是涵盖落在如由所附权利要求书界定的本发明的精神及范围内的所有修改、等效物及替代物。

具体实施方式

如本文中使用的术语“虚假缺陷”(其有时可与“扰乱点缺陷”或“扰乱点”互换地使用)通常被定义为用户不关心的缺陷及/或在样品上检测到但实际上并非样品上的实际缺陷的事件。实际上并非缺陷的虚假缺陷可由于样品上的非缺陷噪声源(例如，样品上的金属线中的颗粒、来自样品上的底层或材料的信号、线边缘粗糙度(LER)、图案化属性的相对小临界尺寸(CD)变动、厚度变动等)及/或由于检验系统自身或用于检验的其配置中的边缘性而被检测为事件。

如本文中使用的术语“所关注缺陷(DOI)”被定义为在样品上检测到且实际上是样品上的实际缺陷的缺陷。因此，DOI是用户所关注的，这是因为用户通常关心在被检验样品上的实际缺陷的数量及种类。在一些背景中，术语“DOI”用于指样品上的所有实际缺陷的子集，其仅包含用户关心的实际缺陷。例如，在任何给定样品上可存在多个类型的DOI，且它们中的一或多者可比一或多个其它类型更受用户关注。然而，在本文中描述的实施例的背景中，术语“DOI”用于指样品上的任何及所有真实缺陷。

现参考附图，应注意，图未按比例绘制。特定来说，极大地夸大图的一些元件的比例以强调所述元件的特性。还应注意，图未按相同比例绘制。已使用相同参考数字指示在多于一个图中展示的可经类似配置的元件。除非本文中另有提及，否则所描述且展示的任何元件可包含任何适合市售元件。

一般来说，本文中描述的实施例是基于散列码及任选地k最近邻方法的快速及模糊的图案分组方法及系统。本文中描述的实施例可适用于半导体行业及其它相关图案分类领域中的缺陷分类。所述实施例利用类似缺陷的模糊分组的有效流程，这有助于改进缺陷分类的准确度。本文中描述的实施例还使用新散列码来实现快速、模糊的分组且可使用k维树(KD树)来改进缺陷对的强度(或其它缺陷属性)检查的效率。

在一些实施例中，对于晶片产生样品图像。晶片可包含半导体技术中已知的任何晶片。在另一实施例中，对于掩模产生样品图像，所述掩模可包含半导体技术中已知的任何掩模或光罩。尽管本文中关于一或若干掩模描述一些实施例，但所述实施例不限于可使用它们的样品。例如，本文中描述的实施例可用于例如平板、个人计算机(PC)板及其它半导体样品的样品。

在图1中展示经配置用于确定样品的信息的系统的一个实施例。在一些实施例中，系统10包含经配置以产生本文中进一步描述的样品图像的成像子系统100。成像子系统包含及/或耦合到计算机子系统，例如，计算机子系统36及/或一或多个计算机系统102。图1中展示的成像子系统经配置以使用光产生样品图像。以这种方式，在一个实施例中，使用光产生样品图像。在图1中展示的实施例中，成像子系统经配置为基于光的成像子系统。然而，在本文中描述的其它实施中，使用电子或带电粒子产生样品图像。以这种方式，在其它实施例中，成像子系统经配置以使用电子产生样品图像。

一般来说，本文中描述的成像子系统至少包含能量源、检测器及扫描子系统。能量源经配置以产生通过成像子系统引导到样品的能量。检测器经配置以检测来自样品的能量且响应于经检测能量而产生输出。扫描子系统经配置以改变样品上的能量经引导到其且从其检测到能量的位置。

在本文中描述的基于光的成像子系统中，经引导到样品的能量包含光，且从样品检测的能量包含光。例如，在图1中展示的系统的实施例中，成像子系统包含经配置以将光引导到样品14的照明子系统。照明子系统包含至少一个光源。例如，如图1中展示，照明子系统包含光源16。照明子系统经配置以按可包含一或多个倾斜角及/或一或多个法线角的一或多个入射角将光引导到样品。例如，如图1中展示，按倾斜入射角引导来自光源16的光穿过光学元件18且接着穿过透镜20到样品14。倾斜入射角可包含任何适合倾斜入射角，其可取决于(例如)样品的特性及正对样品执行的工艺而变动。

照明子系统可经配置以在不同时间按不同入射角将光引导到样品。例如，成像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，使得可按与图1中展示的入射角不同的入射角将光引导到样品。在一个此实例中，成像子系统可经配置以移动光源16、光学元件18及透镜20，使得按不同倾斜入射角或法线(或近法线)入射角将光引导到样品。

在一些例子中，成像子系统可经配置以在相同时间按多于一个入射角将光引导到样品。例如，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)可包含可不同或相同地配置的类似元件或者可包含至少光源及可能一或多个其它组件(例如本文中进一步描述的组件)。如果与其它光同时将此光引导到样品，那么按不同入射角引导到样品的光的一或多个特性(例如，波长、偏光等)可不同，使得可在(若干)检测器处将源自按不同入射角照明样品的光彼此区分开。

在另一例子中，照明子系统可包含仅一个光源(例如，图1中展示的源16)且可通过照明子系统的一或多个光学元件(未展示)(例如，基于波长、偏光等)将来自所述光源的光分离到不同光学路径中。接着，可将不同光学路径中的每一者中的光引导到样品。多个照明通道可经配置以在相同时间或在不同时间(例如，当使用不同照明通道来循序地照明样品时)将光引导到样品。在另一例子中，同一照明通道可经配置以在不同时间将具有不同特性的光引导到样品。例如，光学元件18可经配置为光谱滤波器且可以多种不同方式(例如，通过将一个光谱滤波器用另一光谱滤波器换出)改变光谱滤波器的性质，使得可在不同时间将不同波长的光引导到样品。照明子系统可具有所属领域中已知的用于循序地或同时按不同或相同入射角将具有不同或相同特性的光引导到样品的任何其它适合配置。另外，照明子系统可经配置使得光照明样品的一侧且由样品透射用于样品的另一侧上的检测。此照明子系统及包含其的成像子系统可具有所属领域中已知的任何适合配置。

光源16可包含宽带等离子体(BBP)光源。以这种方式，由光源产生且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，例如所属领域中已知的经配置以产生(若干)任何适合波长的光的任何适合激光器。激光器可经配置以产生单色或近单色光。以这种方式，激光器可为窄频激光器。光源还可包含产生多个离散波长或波带的光的多色光源。

来自光学元件18的光可通过透镜20聚焦到样品14上。尽管在图1中将透镜20展示为单折射光学元件，但在实践中，透镜20可包含将来自光学元件的光组合地聚焦到样品的数个折射及/或反射光学元件。图1中展示且本文中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)(若干)偏光组件、(若干)光谱滤波器、(若干)空间滤波器、(若干)反射光学元件、(若干)变迹器、(若干)分束器、(若干)孔隙及类似者，其可包含所属领域中已知的任何此类适合光学元件。另外，系统可经配置以基于用于成像的照明的类型而更改照明子系统的一或多个元件。

成像子系统还可包含经配置以改变样品上光经引导到其且从其检测到光的位置且可能引起遍及样品扫描光的扫描子系统。例如，成像子系统可包含样品14在成像期间安置在其上的载物台22。扫描子系统可包含可经配置以移动样品使得光可经引导到样品上的不同位置且从样品上的不同位置检测到的任何适合机械及/或机器人组合件(其包含载物台22)。另外或替代地，成像子系统可经配置使得成像子系统的一或多个光学元件执行遍及样品对光的某一扫描，使得光可经引导到样品上的不同位置且从样品上的不同位置检测到。在其中遍及样品扫描光的例子中，可以任何适合方式(例如以蛇形路径或以螺旋路径)遍及样品扫描光。

成像子系统进一步包含一或多个检测通道。(若干)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由于通过成像子系统照明样品而来自样品的光且响应于经检测光而产生输出。例如，图1中展示的成像子系统包含两个检测通道，一个检测通道由集光器24、元件26及检测器28形成且另一检测通道由集光器30、元件32及检测器34形成。如图1中展示，两个检测通道经配置以按不同收集角收集及检测光。在一些例子中，两个检测通道经配置以检测散射光，且检测通道经配置以检测按不同角度从样品散射的光。然而，一或多个检测通道可经配置以检测来自样品的另一类型的光(例如，反射光)。

如图1中进一步展示，两个检测通道被展示为定位在纸平面中且照明子系统还被展示为定位在纸平面中。因此，在这个实施例中，两个检测通道定位(例如，居中)在入射平面中。然而，一或多个检测通道可定位在入射平面外。例如，由集光器30、元件32及检测器34形成的检测通道可经配置以收集及检测从入射平面散射出的光。因此，此检测通道可统称为“侧”通道，且此侧通道可居中在基本上垂直于入射平面的平面中。

尽管图1展示包含两个检测通道的成像子系统的实施例，但成像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更多个检测通道)。在一个此例子中，由集光器30、元件32及检测器34形成的检测通道可如上文描述那样形成一个侧通道，且成像子系统可包含形成为定位在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，成像子系统可包含检测通道，所述检测通道包含集光器24、元件26及检测器28且在入射平面中居中且经配置以按法向于或接近法向于样品表面的(若干)散射角收集及检测光。因此，这个检测通道可统称为“顶部”通道，且成像子系统还可包含如上文描述那样配置的两个或更多个侧通道。因而，成像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集光器，所述集光器中的每一者经配置以按与其它集光器中的每一者不同的散射角收集光。

如上文进一步描述，包含在成像子系统中的检测通道中的每一者可经配置以检测散射光。因此，图1中展示的成像子系统可经配置用于样品的暗场(DF)成像。然而，成像子系统还或替代地可包含经配置用于样品的明场(BF)成像的(若干)检测通道。换句话说，成像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，本文中描述的成像子系统可经配置用于仅DF成像、仅BF成像或DF成像及BF成像两者。尽管在图1中将所述集光器中的每一者展示为单折射光学元件，但所述集光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。

一或多个检测通道可包含所属领域中已知的任何适合检测器，例如光电倍增管(PMT)、电荷耦合装置(CCD)及延时积分(TDI)相机。所述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，那么所述检测器中的每一者可经配置以检测散射光的某些特性(例如强度)但不可经配置以检测依据成像平面内的位置而变的此类特性。因而，由包含在成像子系统的检测通道中的每一者的检测器中的每一者产生的输出可为信号或数据，而非图像信号或图像数据。在此类例子中，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，在其它例子中，检测器可经配置为成像检测器，所述成像检测器经配置以产生成像信号或图像数据。因此，成像子系统可经配置以依数种方式产生图像。

应注意，在本文中提供图1以大体上说明可包含在本文中描述的系统实施例中的成像子系统的配置。显然，可更改本文中描述的成像子系统配置以如在设计商业成像系统时通常执行那样优化成像子系统的性能。另外，可使用例如可从加利福尼亚州米尔皮塔斯市的科磊公司(KLA Corp.)购得的29xx/39xx系列的工具的现存系统(例如，通过将本文中描述的功能性添加到现存检验系统)实施本文中描述的系统。对于一些此类系统，本文中描述的方法可被提供为系统的任选功能性(例如，除了系统的其它功能性之外)。替代地，可“从头开始”设计本文中描述的系统以提供全新系统。

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，所述一或多个传输媒体可包含“有线”及/或“无线”传输媒体)耦合到成像子系统的检测器，使得计算机子系统可接收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执行数个功能。例如，如果系统经配置为检验系统，那么计算机子系统可经配置以使用检测器的输出检测样品上的事件(例如，缺陷及潜在缺陷)。可如本文中进一步描述那样执行检测样品上的事件。

可如本文中描述那样进一步配置计算机子系统36。例如，计算机子系统36可经配置以执行本文中描述的步骤。因而，本文中描述的步骤可由计算机子系统“在工具上”执行，所述计算机子系统耦合到成像子系统或是成像子系统的部分。另外或替代地，(若干)计算机系统102可执行本文中描述的一或多个步骤。

计算机子系统36(以及本文中描述的其它计算机子系统)在本文中还可被称为(若干)计算机系统。本文中描述的(若干)计算机子系统或(若干)系统中的每一者可采取各种形式，包含个人计算机系统、图像计算机、主计算机系统、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”可经广泛定义以涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。(若干)计算机子系统或(若干)系统还可包含所属领域中已知的任何适合处理器(例如并行处理器)。另外，(若干)计算机子系统或(若干)系统可包含具有高速处理及软件的计算机平台(作为独立工具或联网工具)。

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，使得可在计算机子系统之间发送图像、数据、信息、指令等。例如，计算机子系统36可通过可包含所属领域中已知的任何适合有线及/或无线传输媒体的任何适合传输媒体耦合到(若干)计算机系统102，如由图1中的虚线展示。此类计算机子系统中的两者或更多者还可通过共享计算机可读存储媒体(未展示)有效地耦合。

尽管上文将成像子系统描述为光学或基于光的成像子系统，但在另一实施例中，成像子系统经配置为电子束成像子系统。在电子束成像子系统中，经引导到样品的能量包含电子，且从样品检测到的能量包含电子。在图1a中展示的一个此实施例中，成像子系统包含电子柱122，且系统包含耦合到成像子系统的计算机子系统124。可如上文描述那样配置计算机子系统124。另外，此成像子系统可以上文描述且在图1中展示的相同方式耦合到另一或多个计算机系统。

还如图1a中展示，电子柱包含经配置以产生通过一或多个元件130聚焦到样品128的电子的电子束源126。电子束源可包含(例如)阴极源或射极尖端，且一或多个元件130可包含(例如)枪透镜、阳极、限束孔隙、闸阀、束电流选择孔隙、物镜及扫描子系统，其全部可包含所属领域中已知的任何此类适合元件。

从样品返回的电子(例如，次级电子)可通过一或多个元件132聚焦到检测器134。一或多个元件132可包含(例如)扫描子系统，所述扫描子系统可为包含在(若干)元件130中的同一扫描子系统。

电子柱可包含所属领域中已知的任何其它适合元件。另外，可如2014年4月4日颁予江(Jiang)等人的第8,664,594号美国专利、2014年4月8日颁予小岛(Kojima)等人的第8,692,204号美国专利、2014年4月15日颁予古宾斯(Gubbens)等人的第8,698,093号美国专利及2014年5月6日颁予麦克唐纳(MacDonald)等人的第8,716,662号美国专利中描述那样进一步配置电子柱，所述专利好像全文阐述一样以引用的方式并入本文中。

尽管在图1a中将电子柱展示为经配置使得电子按倾斜入射角引导到样品且按另一倾斜角从样品散射，但电子束可按任何适合角度引导到样品且从样品散射。另外，电子束成像子系统可经配置以使用多种模式(例如，使用不同照明角、收集角等)来产生样品的输出，如本文中进一步描述。电子束成像子系统的多种模式在成像子系统的任何输出产生参数方面可不同。

计算机子系统124可耦合到检测器134，如上文描述。检测器可检测从样品的表面返回的电子，由此形成样品的电子束图像(或样品的其它输出)。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产生的输出来检测样品上的事件，其可如上文描述那样或以任何其它适合方式执行。计算机子系统124可经配置以执行本文中描述的(若干)任何额外步骤。可如本文中描述那样进一步配置包含图1a中展示的成像子系统的系统。

应注意，在本文中提供图1a以大体上说明可包含在本文中描述的实施例中的电子束成像子系统的配置。如同上文描述的光学成像子系统，可更改本文中描述的电子束子系统配置以如在设计商业系统时通常执行那样优化成像子系统的性能。另外，可使用例如可从科磊公司购得的工具的现存系统(例如，通过将本文中描述的功能性添加到现存系统)实施本文中描述的系统。对于一些此类系统，本文中描述的方法可被提供为系统的任选功能性(例如，除了系统的其它功能性之外)。替代地，可“从头开始”设计本文中描述的系统以提供全新系统。

尽管上文将成像子系统描述为光或电子束成像子系统，但成像子系统可为离子束成像子系统。可如图1a中展示那样配置此成像子系统，例外之处是可使用所属领域中已知的任何适合离子束源替换电子束源除外。另外，成像子系统可包含任何其它适合离子束成像系统，例如包含在市售聚焦离子束(FIB)系统、氦离子显微镜(HIM)系统及二次离子质谱仪(SIMS)系统中的离子束成像系统。

如上文进一步提及，成像子系统可经配置以具有多种模式。一般来说，“模式”可由用于产生样品的输出的成像子系统的参数的值定义。因此，(除样品上在其处产生输出的位置之外)不同模式可在成像子系统的至少一个成像参数的值方面不同。例如，对于基于光的成像子系统，不同模式可使用不同光波长。(例如，通过对于不同模式使用不同光源、不同光谱滤波器等)模式可在经引导到样品的光的波长方面不同，如本文中进一步描述。在另一实施例中，不同模式可使用不同照明通道。例如，如上文提及，成像子系统可包含多于一个照明通道。因而，不同照明通道可用于不同模式。

多种模式还可在照明及/或集光/检测方面不同。例如，如上文进一步描述，成像子系统可包含多个检测器。因此，所述检测器中的一者可用于一种模式且所述检测器中的另一者可用于另一模式。另外，所述模式可以本文中描述的多于一种方式彼此不同(例如，不同模式可具有一或多个不同照明参数及一或多个不同检测参数)。例如，取决于使用多种模式来在相同时间扫描样品的能力，成像子系统可经配置以在同一扫描或不同扫描中使用不同模式扫描样品。

在一个实施例中，由经配置用于检验样品的成像子系统产生图像。以这种方式，本文中描述的系统可经配置为检验系统。然而，本文中描述的系统可经配置为另一类型的半导体相关质量控制型系统，例如缺陷审查系统及计量系统。例如，可在一或多个参数方面修改本文中描述且图1及1a中展示的成像子系统的实施例以取决于它们将用于的应用而提供不同成像能力。在一个实施例中，成像子系统经配置为电子束缺陷审查子系统。例如，图1a中展示的成像子系统可经配置以在其待用于缺陷审查或计量而非用于检验的情况下具有较高分辨率。换句话说，图1及1a中展示的成像子系统的实施例描述成像子系统的一些一般及各种配置，其可以对于所属领域的技术人员来说将显而易见的数种方式定制，以产生具有或多或少适合于不同应用的不同成像能力的成像子系统。

如上文提及，成像子系统可经配置用于将能量(例如，光、电子)引导到样品的物理版本及/或遍及样品的物理版本扫描能量，由此对于样品的物理版本产生实际图像。以此方式，成像子系统可经配置为“实际”成像系统而非“虚拟”系统。然而，图1中展示的存储媒体(未展示)及(若干)计算机子系统102可经配置为“虚拟”系统。特定来说，存储媒体及(若干)计算机子系统不是成像子系统100的部分且没有用于处置样品的物理版本的任何能力，但可经配置为使用所存储检测器输出执行类检验功能的虚拟检验器、执行类计量功能的虚拟计量系统、执行类缺陷审查功能的虚拟缺陷审查工具等。在共同转让的以下专利中描述经配置为“虚拟”系统的系统及方法：在2012年2月28日颁予巴斯卡(Bhaskar)等人的第8,126,255号美国专利；在2015年12月29日颁予达菲(Duffy)等人的第9,222,895号美国专利；及在2017年11月14日颁予达菲等人的第9,816,939号美国专利，所述专利好像全文阐述一样以引用的方式并入本文中。可如这些专利中描述那样进一步配置本文中描述的实施例。例如，可如这些专利中描述那样进一步配置本文中描述的计算机子系统。

系统包含计算机子系统，所述计算机子系统可包含上文描述的(若干)计算机子系统或(若干)系统中的任一者的任何配置。计算机子系统经配置用于移除样品图像中的不触碰在样品图像中检测到的缺陷的一或多个图案，由此产生经修改样品图像。例如，如图2中展示，计算机子系统可获取样品图像200，所述样品图像200的一个非限制性实例是由图像200a展示。尽管本文中关于样品图像描述一些实施例，但本文中描述的步骤可对于在单一工艺中对于单一样品产生的多于一个样品图像(包含多达在所述工艺中对于样品产生的每个样品图像)执行。由本文中描述的实施例使用的样品图像可包含光栅图像或所属领域中已知的任何其它适合样品图像，例如掩模设计图像，其以充分分辨率展示掩模上的图案使得可使用图像执行本文中描述的步骤。

计算机子系统可如本文中进一步描述那样获取样品图像。例如，系统可包含本文中描述的成像子系统中的一或多者，且计算机子系统可获取来自(若干)成像子系统的(若干)检测器的图像或可从(若干)检测器的输出产生图像。在另一实例中，计算机子系统可获取来自其中已通过另一方法或系统存储图像的存储媒体(未展示)的样品图像。

移除样品图像中的不触碰在样品图像中检测到的缺陷的一或多个图案可包含(例如)切割及填充样品上的在缺陷附近的局部图块，如图2的步骤202中展示。换句话说，这个步骤可包含从光栅图像裁切图块图像且接着移除不触碰缺陷的图案。更具体来说，步骤202可包含从图像切割不触碰缺陷的任何图案且接着使用具有与图像的其它非图案及非缺陷部分(即，图像的未图案化及非缺陷部分)相同或基本上相同的值的背景像素填充其中图案被切割的区域。这个步骤还可包含减小样品图像的大小，使得经修改样品图像主要专注于触碰缺陷的图案而非仅含有少数图案(可能为缺陷)，且接着主要专注于背景或未图案化、非缺陷像素。

这个步骤可产生经修改样品图像204，此处仅将所述经修改样品图像204展示为非限制性实例以促进对实施例的理解。通过比较样品图像200a与经修改样品图像204可见，在步骤202之前，样品图像包含比经修改样品图像中展示的图案更多的图案，但移除不触碰缺陷的任何图案，由此得到经修改样品图像204。另外，通过比较样品图像200a与经修改样品图像204可见，步骤202包含通过消除不再含有图案(这是因为它们被移除)的许多像素及/或仅保留居中在经检测缺陷位置上的预定数目个像素而减小样品图像的大小。如上文描述，可消除不触碰缺陷的图案且接着可减小样品图像的大小，但还可以相反顺序执行这些步骤。

在本文中描述的实施例中，可使用光栅图像来识别哪些图案触碰缺陷，且通过移除不触碰缺陷的任何图案，实施例可在本文中描述的分组步骤中仅专注于那些剩余图案。优于其它当前使用的系统及方法的这个改进有助于将更类似缺陷分组在一起。例如，通过仅保留触碰缺陷的图案，本文中描述的实施例可容忍缺陷的不同周围图案(即，将在很大程度上不受其影响)。

计算机子系统还经配置用于产生用于经修改样品图像的一或多个散列码。以这种方式，计算机子系统产生用于如上文描述那样产生的图块的散列码。例如，如图2的步骤206中展示，计算机子系统可产生用于对图块进行预分组的散列码，由此得到经产生散列码208。如果在这个图中展示的分组后接着另一重新分组或最终分组(例如下文进一步描述的图6中展示的重新分组或最终分组)，那么图2中展示的步骤可为方法的预分组阶段。然而，这个预分组在其后未接着另一分组方法或步骤时可简称为分组。以这种方式，计算机子系统可产生用于每一所关注经修改样品图像的至少一个散列码，即，用于经修改样品图像1的散列码1、用于经修改样品图像2的散列码2等。如本文中进一步描述，对于所述经修改样品图像中的一或多者(及可能全部)，可产生多于一个散列码，一者用于原始经修改样品图像且一者用于经修改样品图像的另一(或每一)经更改版本。

在一些实施例中，产生一或多个散列码包含从经修改样品图像产生频域图像，选择频域图像的低频分量及将低频分量转换成一或多个散列码的向量。以这种方式，本文中描述的实施例可定义及使用新类型的散列码，所述新类型的散列码仅在频域中被定义且仅保留经修改样品图像的低频部分。因而，散列码可容忍图案之间的一些微小差异(即，在很大程度上不受其影响)，例如图案上的相对小割阶(jog)及其它光学近接校正(OPC)特征，如同锤头(hammerhead)、截线(serif)等。换句话说，如果在除上文描述的一些微小差异之外类似的两个不同图案中检测到两个缺陷，那么通过在散列码产生时主要(或仅)专注于经修改样品图像的低频分量，对于两个缺陷如此产生的散列码将可能足够类似使得将两个缺陷正确地分组在一起。

因此，这些基于低频的散列码是一种本文中描述的实施例可将一些模糊度引入到缺陷或图像分组中的方式。在本文中描述的缺陷或图案分组方法中实现一些模糊度是重要且有利的，这是因为可能基本上难以使计算机系统能够将不完全相同的缺陷或图案分组在一起，但将由用户识别为足够类似以分组在一起。本文中描述的散列码通过能够容忍缺陷及图案的差异(否则其足够类似以分组在一起)而消除此困难性。使用如本文中描述那样产生的散列码还使本文中描述的缺陷或图案分组远快于当前用于分组的其它方法及系统(包含在背景技术章节中描述的方法及系统)。

在图3中展示此类步骤的一个实施例。在这个实施例中，将经修改样品图像300(在此情况中与经修改样品图像204相同)输入到变换到频域步骤302。将图像变换到频域可使用例如Abs(FFT(image))的函数执行，但还可使用所属领域中已知的任何其它适合快速傅立叶(Fourier)变换函数执行。步骤302的结果可为频域图像304，其以对数尺度展示频域振幅。接着将频域图像输入到消除高频分量步骤306以由此仅保持低频分量。这个步骤可包含仅选择频域图像的包含最低频率分量(但不一定所有低频分量)的一部分。如本文中使用的术语“低频”是通过由用户定义的预定阈值定义。例如，可在频域图像中识别最低频分量，且接着基于预定频率阈值，可选择其它相对低频分量以供保留及/或可选择最低频分量周围的预定图块大小。识别及选择此类低频分量另外可以所属领域中已知的任何适合方式执行。

对于频域图像304，步骤306可产生图块图像308，在一些例子中，所述图块图像308可为15x 8图块图像，但可具有任何其它适合大小。图块图像308可包含上半部310及下半部312。可将整个图块图像输入到转换成向量步骤314，其中将图块图像转换成散列码316。这个步骤可简单地包含将像素值的二维(2D)15x 8矩阵展平为一维(1D)向量，其可以所属领域中已知的任何适合方式执行。如图3中展示，散列码的在图3中标记为“上半部”的一个部分对应于图块图像的上半部，且散列码的在图3中标记为“下半部”的另一部分对应于图块图像的下半部。

在预分组时，接着，可引入一种类型的散列码以描述缺陷图块的模糊信息。例如，本文中描述的散列码支持样品图像的变动，包含旋转、翻转、平移或其某一组合。以这种方式，散列码及使用它们执行的分组可有利地容忍样品图像的不同版本，例如旋转/翻转/平移。换句话说，本文中描述的实施例定义及使用新类型的散列码，其可容忍图案的一些微小差异，例如图案相对于缺陷、样品或工具的定向及图案在经修改样品图像内的位置。以这种方式，即使在除上文描述的一些定向及/或位置差异之外类似的两个不同图案中检测到两个缺陷，如本文中描述那样产生的散列码仍使两个缺陷能够正确地分组在一起，尽管有图案中的那些差异。因此，这些图案定向/位置灵活散列码是一种本文中描述的实施例将模糊度引入到缺陷或图像分组中的方式。出于上文进一步描述的相同原因，在本文中描述的缺陷或图案分组方法中实现一些模糊度是重要的。

在一个实施例中，一或多个散列码包含用于经修改样品图像的第一散列码及用于经修改样品图像的经旋转版本的第二散列码。在另一实施例中，一或多个散列码包含用于经修改样品图像的第一散列码及用于经修改样品图像的经翻转版本的第二散列码。在另一实施例中，一或多个散列码包含用于经修改样品图像的第一散列码及用于经修改样品图像的经平移版本的第二散列码。因此，通过本文中描述的实施例产生的一或多个散列码可包含用于同一经修改样品图像的两个或更多个散列码，一个散列码用于原始经修改样品图像，且可能(若干)其它散列码用于已被旋转、翻转、平移或其某一组合的原始经修改样品图像的(若干)其它版本。可如本文中进一步描述那样产生这些散列码。

图4展示同一经修改样品图像的3个不同版本。在这个实施例中，经修改样品图像400是原始经修改样品图像。经修改样品图像402是已通过将经修改样品图像400旋转180度而产生的经修改样品图像400的经旋转版本。经修改样品图像404是已通过将原始经修改样品图像中的图案向下移位而产生的经修改样品图像400的经平移版本。当两个图像除仅平移或旋转180度之外是相同的时，本文中描述的散列码有利地不变。翻转非常类似于旋转。以这种方式，散列码可容忍通过平移、旋转及翻转而产生的经修改样品图像的版本，且图4中展示的三个经修改样品图像将具有相同散列码。

图5展示散列码在旋转下如何改变。在这个图中，经修改样品图像500是原始经修改样品图像，且经修改样品图像502是已通过将原始经修改样品图像旋转90或270度而产生的原始经修改样品图像的经旋转版本。可对于如本文中描述的原始经修改样品图像产生散列码504，且可对于图像的经旋转版本产生散列码506。对于经修改样品图像的90或270度旋转，可通过交换散列码的第一及第二部分而产生用于经旋转版本的散列码。换句话说，散列码504及506的部分508相同但在散列码的不同位置中，且散列码504及506的部分510相同但在散列码的不同位置中。除交换散列码的两个部分之外，不需要对原始散列码进行其它改变来准确地反映90或270度旋转。

接着一般来说，可以少数不同方式产生用于同一经修改样品图像的不同版本的不同散列码。例如，可将原始经修改样品图像旋转、翻转、平移等，以产生原始经修改样品图像的一或多个版本，且接着可对于原始经修改样品图像的不同版本中的每一者分离并独立地产生散列码。在另一实例中，如果发明者已发现，已知散列码对于经修改样品图像的不同版本以某些方式改变(或完全不变)，那么实际上无须产生原始经修改样品图像的一或多个版本。因此，可对于原始经修改样品图像产生散列码，且接着可操纵经产生散列码以产生用于原始经修改样品图像的一或多个版本的(若干)散列码。在一个此实例中，计算机子系统可仅需要交换散列码的上及下部分(例如，可如图5中展示那样切换图3中展示的散列码的上半部及图3中展示的散列码的下半部)以处置旋转及翻转90或270度，其基本上是快速的。

接着，重申一下，本文中描述的散列码的优点之一是其对于图案的移位、180度旋转及翻转是不变的。另外，对于90或270度旋转，仅需要交换散列码的上半部及下半部。基于上述两个性质，经旋转与经翻转图像之间的类似性分数基本上是高的。因此，可如本文中进一步描述那样将经旋转及经翻转图案分组在一起。因此，我们可说，这个散列码可容忍旋转及翻转。对于除90或270度旋转之外相同的两个图案，本文中描述的实施例可通过翻转所述散列码中的一者的两个半部且检查1)两个图案的原始散列码与2)一个图案的原始散列码及另一图案的经翻转散列码之间的类似性而识别它们的类似性。以这种方式，当来自样品上的不同视场(FOV)的两个图像含有除旋转或翻转之外相同的图案时，可使用本文中描述的散列码将它们分组在一起，其是这个散列码的优点。

以这种方式，如本文中描述那样产生用于经修改样品图像的一或多个散列码可仅包含从经修改样品图像自身产生用于每一图案的一个散列码。如果两个图案之间的唯一差异是一者相对于另一者旋转180度、翻转或平移，那么对于两个图案产生的散列码将是相同的(或基本上相同的)。为了产生用于所述图案中的任一者的任何额外散列码，可使用原始散列码且可交换原始散列码的两个半部以产生另一散列码。以这种方式，可从原始散列码产生经修改散列码且无需使用经修改样品图像。接着，可使用这个散列码来识别除所述图案中的一者相对于所述图案中的另一者旋转90或270度之外相同的图案。为了容忍差异(例如本文中接着描述的旋转、翻转或平移中的任一者)，我们可对每一对图案的类似性检查两次，一个检查使用原始散列码，且另一检查使用通过交换其原始散列码的第一及第二半部而产生的一个散列码。只要所述检查中的一者是类似的，就可将两个图案视为类似。

计算机子系统进一步经配置用于基于一或多个散列码与对于为第二样品图像产生的第二经修改样品图像产生的一或多个其它散列码之间的距离而将样品图像指派给多个群组中的一者。例如，如图2的步骤210中展示，计算机子系统可检查散列码向量的距离且接着将样品图像指派给不同群组，如步骤212中展示。以这种方式，可将样品图像指派给不同群组214，在这个非限制性实例中，包含群组#1、群组#2、群组#3等。可如本文中进一步描述那样执行这些步骤。

在一个实施例中，计算机子系统经配置用于确定距离，且一或多个散列码与一或多个其它散列码之间的距离包含余弦向量距离。以这种方式，本文中描述的实施例可使用余弦向量距离来检查图案之间的类似性，这可有利地基本上快速地执行。例如，以下散列码实例h

h

h

对于样品图像中的不同者产生经修改样品图像中的每一者，分别地一者用于样品图像1且一者用于样品图像2。以这种方式，对于其中检测到缺陷的样品图像中的每一者(或对于每一所关注样品图像)，可通过移除图像中的不触碰在样品图像中检测到的缺陷的图案而产生至少一个经修改样品图像且接着对于至少一个经修改样品图像产生至少一个散列码。

接着，可如下定义用于两个经修改样品图像的两个散列码之间的余弦向量距离：

以这种方式，本文中描述的实施例可基于缺陷的散列码的类似性而对缺陷进行预分组(通过对对应于缺陷的经修改样品图像预分组)，且两个散列码的类似性可通过它们之间的余弦向量距离定义。换句话说，在预分组阶段中，可使用上述公式来确定是否可将两个图案(在两个经修改样品图像中)分组在一起。

在另一实施例中，计算机子系统经配置用于通过以下动作确定一或多个散列码与一或多个其它散列码之间的距离：确定一或多个散列码中的第一者与一或多个其它散列码中的第一者之间的第一余弦向量距离；确定一或多个散列码中的第一者与用于第二经修改样品图像的经更改版本的一或多个其它散列码中的第二者之间的第二余弦向量距离；确定第一及第二余弦向量距离的最大值；及将一或多个散列码与一或多个其它散列码之间的距离设置为等于最大值。

在这个实施例中，可以本文中描述的任何适合方式更改经更改版本。例如，在一个此实施例中，第二经修改样品图像的经更改版本是第二经修改样品图像的经旋转版本。在进一步此实施例中，第二经修改样品图像的经更改版本是第二经修改样品图像的经翻转版本。在额外此实施例中，第二经修改样品图像的经更改版本是第二经修改样品图像的经平移版本。可如本文中描述那样配置所有这些经修改版本，且可如本文中描述那样产生它们的散列码。

在一个此实施例中，使用上文描述的散列码实例h

h

h

在这个实例中，

换句话说，可确定h

在预分组时，接着，检查两个图案的类似性可包含检查经更改版本及原始版本两者。检查图案的不同版本是使预分组容忍包含如同90及270度旋转及本文中描述的其它变动的事项的变动的原因。另外，本文中描述的实施例实际上不需要将图块旋转90或270度或通过翻转或平移图案而产生图块的任何其它版本。代替地，散列码的两个半部可对于经90或270度旋转图案交换且对于经翻转或经平移图案应是相同的。

在一个此实施例中，将样品图像指派给多个群组中的一者包含如果一或多个散列码与一或多个其它散列码之间的距离大于阈值，那么将样品图像及第二样品图像指派给多个群组中的一者。例如，再次使用上文的实例，可比较d

在一些实施例中，计算机子系统经配置用于通过将第一分类指派给样品图像及经指派给多个群组中的一者的所有其它样品图像且将第二分类指派给经指派给多个群组中的第二者的所有额外样品图像而对在样品上检测到的缺陷进行分类。以这种方式，可为群组1中的缺陷指派一个分类，可为群组2中的缺陷指派另一分类，以此类推。换句话说，可为本文中描述的群组中的一者的所有缺陷指派相同分类，可为本文中描述的群组中的的另一者中的所有缺陷指派相同分类，以此类推。如果还没有对多个群组执行本文中进一步描述的重新分组，那么可执行这些群组的分类。在其中执行本文中进一步描述的重新分组的例子中，可不执行指派给群组的缺陷的分类，这是因为将在重新分组时细化缺陷的分组。

无论缺陷的分类是在这个阶段或在重新分组之后执行，均可以相同方式执行分类。一般来说，可以所属领域中已知的任何适合方式对本文中描述的缺陷或图案分类。换句话说，本文中描述的实施例不限于任何特定分类方法。分类可以数种不同方式执行，例如将缺陷分类为实际缺陷或扰乱点及/或将缺陷分类为一或多种缺陷类型，例如，缺陷类型1、缺陷类型2等，其可包含任何适合缺陷类型。分类还可包含比较缺陷及/或图案与样品的已知类型的缺陷率且接着基于它们与那些已知缺陷及/或图案的类似程度而将对群组中的缺陷指派分类。在其它例子中，可不基于预期缺陷的预知执行分类，且可基于可从样品图像确定的关于缺陷及图案的任何信息或从其确定的任何图像或信息而执行分类。例如，当对于样品执行缺陷发现时，可执行此分类。

如上文描述，图2中展示的分组可为一种预分组，其后可接着重新分组。现将描述那个预分组的若干实施例。在一个实施例中，计算机子系统经配置用于基于在样品图像中检测到的缺陷的属性而将经指派给多个群组中的一者的样品图像重新指派给多个最终群组中的一者。可对于通过预分组产生的群组中的每一者执行这个重新分组步骤。换句话说，虽然可在本文中将一些实施例描述为对于多个群组中的一者或经指派给多个群组中的一者的样品图像中的一者执行，但可对于多个群组中的每一者(或者多个群组中的至少两者或更多者)且对于经指派给多个群组的任何或所有样品图像独立并分离地执行这些步骤。因此，这个重新分组可将在预分组时指派给一个群组的缺陷分成多个不同最终群组。因此，重新分组阶段可细化通过预分组产生的群组，使得例如，可将在(若干)相同或类似背景图案中检测到的不同类别的缺陷彼此分离，同时还将在(若干)相同或类似背景图案中检测到且表现为具有相同或类似的至少一个特性或属性的缺陷保持在一起。可如本文中进一步描述那样执行重新指派样品图像。

在一个此实施例中，重新指派包含使用k最近邻(kNN)方法从在经指派给多个群组中的一者的其它样品图像中检测到的缺陷寻找缺陷的k个最近缺陷；确定缺陷的属性与k个最近缺陷中的一者的属性之间的差；确定差是否小于阈值；及当差小于阈值时，将样品图像及对应于k个最近缺陷中的一者的其它样品图像中的一者指派给多个最终群组中的一者。以这种方式，在重新分组时，计算机子系统检查同一预分组中的缺陷对的属性差。

原则上，当重新分组时，应查验每一对两个缺陷之间的属性(例如，强度)差，但这相当耗时。在本文中描述的实施例中，计算机子系统可使用kNN来搜索同一预分组中的每一缺陷的k个最近邻者。使用kNN(KD树)来避免比较所有缺陷对。在检查缺陷的属性之间的类似性之前使用kNN可有利地有助于避免完全不同缺陷之间的不必要的属性检查。例如，kNN的一个显著优点是寻找k个最近缺陷，接着计算机子系统可仅查验缺陷与其k个最近缺陷之间的属性(例如，强度)差。可忽略其它缺陷，这是因为已确定它们与所述缺陷基本上不同。

避免不必要的属性检查对于加速分组流程是尤为重要的。例如，设kNN中的k为k0，可将比较的数目从N*N/2减少到k0*N。在本文中描述的实施例中使用的k值可为经验值(例如，10)，且在不同应用中可不同。接着，计算机子系统可检查每一缺陷及在先前步骤中找到的其k个最近缺陷的属性的差。在一些例子中，可将缺陷及其k个最近缺陷的经修改样品图像彼此对准，使得可更准确地确定及比较属性。可以所属领域中已知的任何适合方式执行这个对准。在每一预分组中，计算机子系统可使用联合寻找算法将具有类似属性的缺陷进一步分组。可如本文中描述那样进一步执行这些步骤。

图6说明可经执行用于重新分组的步骤的一个实施例。如图6的步骤600中展示，计算机子系统可寻找每一缺陷的k个最近缺陷，其可使用kNN方法执行。在一个此实施例中，kNN方法是k维树(KD树)，在图6中将所述k维树的一个实例展示为树602。更具体来说，KD树602展示每一缺陷的kNN。在这个实例中，在树中使用不同数字表示不同缺陷。因此，第一缺陷被称为#1，第二缺陷被称为#2，以此类推。如在KD树中展示，可对于每一缺陷产生在那个缺陷下方展示其k个最近缺陷中的每一者的一颗树。例如，对于缺陷#1，如在第一树中展示，k个最近缺陷可为缺陷#2、#5、...、#7。对于缺陷#2，如在第二树中展示，k个最近缺陷可为缺陷#1、#6、...、#9。可对于每一其它缺陷(或对于视需要尽可能多的缺陷)产生额外树。当在本文中描述的实施例中使用基于KD树的kNN算法时，对于输入搜索kNN的时间复杂性是O(log(N))，其中N是存储在KD树中的图案的数目。KD树可使算法显著地加速。

虽然KD树可特别适用于本文中描述的实施例中，但实施例不限于对于上文描述的步骤仅使用KD树。例如，可对于这个步骤使用许多其它树结构，例如球树。

如图6的步骤604中展示，计算机子系统可检查每一缺陷与其kNN之间的属性。图6展示此检查的实例606。特定来说，如上文描述，缺陷#1的k个最近缺陷中的一者是缺陷#2。因此，在实例606中，可从缺陷#2的经修改样品图像“def#2”减去缺陷#1的经修改样品图像“def#1”(或反之亦然)，以由此产生差异图像“diff”。接着，可从所述差异图像确定用于这个步骤的属性的最大值“maxDiff”。可使用本文中描述的图像中的任一者(例如，样品图像、经修改样品图像、梯度图像等)确定这个步骤中使用的属性。另外，可使用或可不使用差异图像检查属性。例如，可从第二缺陷的属性的最大值减去某一值(例如第一缺陷的属性的最大值)，由此确定属性之间的差而无需产生任何种类的差异图像。

在另一此实施例中，缺陷的属性是缺陷的强度。例如，对于系统性虚假缺陷过滤，可使用缺陷的强度来分离真实与虚假缺陷。强度改变可为缺陷是真实缺陷的最有效指标。在进一步此实施例中，缺陷的属性是缺陷的颜色。在一些此类实施例中，缺陷的属性是缺陷的大小。在额外此实施例中，缺陷的属性是缺陷的纵横比。例如，除强度之外，在本文中描述的实施例中还使用其它属性，例如缺陷颜色、缺陷大小及纵横比。接着，可分离具有基本上不同大小、颜色或纵横比的缺陷。

当然，上文描述的缺陷属性不是可用于本文中描述的重新分组中的所有缺陷属性的详尽列表，且所使用的(若干)缺陷属性可取决于样品及预期在其上检测到的缺陷的类型及甚至所预期的它们的属性差异而变动。例如，对比度、纹理、粗糙度、能量等全部是可用于本文中描述的重新分组的缺陷属性。此外，尽管在本文中将实施例描述为使用缺陷属性进行重新分组，但当然可使用多于一个属性进行重新分组，在本文中进一步描述所述多于一个属性的一些。这些属性可为不同类型的属性(例如缺陷强度及缺陷大小)且还可为在本文中进一步描述的相同类型的一个不同属性的不同值(例如不同强度)。

如图6的步骤608中展示，可比较maxDiff与阈值以确定maxDiff是否小于阈值。如果maxDiff小于阈值，那么在图6的步骤610中，将缺陷#1及#2确定为类似的。如果maxDiff不小于阈值，那么在步骤612中，将缺陷#1及#2确定为不类似的。这些结果可以图形展示，如由实例614展示，其中比较maxDiff与阈值的结果被展示在所述缺陷中的每一者的k个最近邻者中的每一者下方。

在一些例子中，缺陷可以每一群组中的残差的降序排序。例如，在每一最终群组中，可根据缺陷的信号强度对缺陷从最高到最低信号排序。在某些例子中，例如，可对于相对大群组且取决于应用执行排序。在一个此实例中，预群组中的大多数缺陷可为虚假缺陷，而仅少数缺陷是真实缺陷。因此，在这种情况中，在排序之后，仅前几个缺陷可能是真缺陷。可取决于使用实施例的应用而不同地执行或消除这个排序步骤。如图6的步骤616中展示，计算机子系统可链接所有类似缺陷以由此获得最终群组。

在另一此实施例中，缺陷的属性包含与属性相关的一组值，且所述一组值包含样品图像及在样品上的缺陷的位置处产生的一或多个其它样品图像中的缺陷的属性的均值及标准偏差以及对于样品图像及一或多个其它样品图像产生的每一梯度图像中的缺陷的属性的均值及标准偏差。例如，如图7中展示，计算机子系统可基于强度或本文中描述的其它属性中的一者而提取一些属性以寻找每一图案的kNN。在这个实例中，图像700可为第一经修改样品图像，且图像702可为从图像700计算的梯度图像。图像704可为第二经修改样品图像，且图像706可为从图像704计算的梯度图像。这个图中展示的第一及第二经修改样品图像可分别从第一及第二样品图像产生。第一及第二样品图像可在同一样品位置处(及因此，在本文中描述的许多应用中，在同一缺陷位置处)但使用一或多个不同参数(例如焦点)产生。

计算机子系统可确定kNN的属性(或特征)708。如图7中展示，这些属性(或特征)可包含图像700、702、704及706中的每一者的均值及标准偏差。计算机子系统还可计算图案掩模区内的均值及标准偏差。此类值可特别适用于例如强度的属性。由计算机子系统确定的值可取决于用于本文中描述的实施例中的属性而变动。

以这种方式，计算机子系统可定义所述样品图像中的每一者及所述样品图像中的每一者的梯度图像的属性(例如强度)的数个值(例如，8个值)，且可在KD树中保存这些经确定值。换句话说，可在kNN步骤中将图块中的每一者及图块的梯度中的每一者的均值及标准偏差用作属性。因此，计算机子系统可确定图案的一些统计属性值，可在kNN中使用所述统计属性值以寻找最可能类似的图案。例如，对于类似图块，上文描述的属性的8个值应几乎相同，因此使用所述值执行的kNN可有助于滤除完全不类似的图块。换句话说，使用上文描述的8个属性值，计算机子系统可滤除基本上不同的缺陷。如果两个缺陷类似且可分组在一起，那么那些缺陷的8个属性值应相同或几乎相同，且预期在kNN中选择所述属性值。虽然这8个属性值可出于本文中描述的目的大致被描述为图块，但还可使用其它组属性来实现类似结果。

在进一步此实施例中，计算机子系统经配置用于通过将第一分类指派给样品图像及经指派给多个最终群组中的一者的所有其它样品图像且将第二分类指派给经指派给多个最终群组中的第二者的所有额外样品图像而对在样品上检测到的缺陷分类。可如本文中进一步描述那样对不同最终群组中的缺陷分类。

计算机子系统还经配置用于产生包含经确定信息的结果，所述经确定信息可包含本文中描述的结果或信息中的任一者。可由计算机系统以任何适合方式产生确定信息的结果。本文中描述的所有实施例可经配置用于将实施例的一或多个步骤的结果存储在计算机可读存储媒体中。结果可包含本文中描述的结果中的任一者且可以所属领域中已知的任何方式存储。包含经确定信息的结果可具有任何适合形式或格式，例如标准文件类型。存储媒体可包含本文中描述的任何存储媒体或所属领域中已知的任何其它适合存储媒体。

在已存储结果之后，可在存储媒体中存取结果且由本文中描述的方法或系统实施例中的任一者使用结果，格式化结果以供显示给用户，由另一软件模块、方法或系统等使用结果来执行样品或相同类型的另一样品的一或多个功能。例如，由本文中描述的计算机子系统产生的结果可包含在样品上检测到的任何缺陷的信息，例如经检测缺陷的定界框的位置等、检测分数、关于缺陷分类的信息(例如类别标签或ID)、从图像中的任一者确定的任何缺陷属性等、经预测样品结构测量、尺寸、形状等或所属领域中已知的任何此适合信息。那个信息可被计算机子系统或另一系统或方法用于执行样品及/或经检测缺陷的额外功能，例如对缺陷采样以供缺陷审查或其它分析、确定缺陷的根本原因等。

除上文描述的功能之外，此类功能还包含(但不限于)更改工艺，例如已或将以反馈或前馈方式对样品执行的制造工艺或步骤等。例如，计算机子系统可经配置以基于经确定信息而确定对于已对样品执行的工艺及/或将对样品执行的工艺的一或多个改变。对于工艺的改变可包含对于工艺的一或多个参数的任何适合改变。在一个此实例中，计算机子系统优选地确定所述改变，使得可减少或防止对其执行经修订工艺的其它样品上的缺陷，可在对样品执行的另一工艺中校正或消除样品上的缺陷，可在对样品执行的另一工艺中补偿缺陷等。计算机子系统可以所属领域中已知的任何适合方式确定此类改变。

接着，可将那些改变发送到半导体制造系统(未展示)或可供计算机子系统及半导体制造系统两者存取的存储媒体(未展示)。半导体制造系统可为或可并非本文中描述的系统实施例的部分。例如，本文中描述的成像子系统及/或计算机子系统可(例如)经由一或多个共同元件(例如外壳、电源、样品处置装置或机构等)耦合到半导体制造系统。半导体制造系统可包含所属领域中已知的任何半导体制造系统，例如光刻工具、蚀刻工具、化学机械抛光(CMP)工具、沉积工具及类似者。

相较于当前用于缺陷或样品图像分组的其它方法及系统，本文中描述的实施例具有数个优点。例如，本文中描述的实施例提供用于使用基于散列码(例如，在预分组时)及任选地kNN(例如，在任选重新分组时)的快速及模糊的分组进行缺陷或图案分组或分类的算法及方法。本文中描述的实施例有利地定义新散列码，所述新散列码仅保持经修改样品图像的低频部分且可容忍经修改样品图像的旋转/翻转/平移。使用这个散列码，实施例使模糊分组可行。另外，如上文描述，为了属性检查，计算机子系统可首先使用kNN来寻找每一缺陷的k个最近候选者且接着比较缺陷对的属性。这种方法有利地大大减少比较的次数。此外，计算机子系统移除不触碰缺陷的图案，这进一步改进实施例的模糊能力。

由于本文中描述的实施例提供用于类似缺陷的模糊分组的基本上快速的流程及算法，因此实施例可在若干不同使用情况中提供优点。例如，一些当前使用的检验工具捕获许多系统性缺陷，且大多数系统性缺陷是类似及虚假的缺陷。使用本文中描述的实施例，所有这些类似系统性缺陷可分组在一起且接着被共同并适当地标记为虚假缺陷，这可大大地改进缺陷检测应用的准确度，尤其对于一些检查工艺(例如对于极紫外(EUV)应用设计的检验工艺)。

本文中描述的预分组及重新分组可在运行时间执行，但它们也可在其它时间执行。另外，即使本文中描述的实施例最初主要是为了对在掩模上检测到的缺陷分组而设计，但它们也可同样适用于其它样品(例如晶片)上的缺陷及图案分组。

是否仅执行预分组或执行预分组及重新分组两者可在应用特定基础上确定。一个此应用可为对于掩模的系统性虚假缺陷过滤，其中遗漏真实缺陷显然是不可接受的。因此，将真实缺陷及虚假缺陷分组在一起是不可接受的。虽然本文中描述的预分组仅检查图案的类似性，但重新分组可检查相同或类似图案中的缺陷的属性。一些真实缺陷及虚假缺陷可定位在类似图案上且因此将通过预分组被分组在一起。因而，重新分组可用于基于缺陷属性将那些缺陷分离。相比之下，在缺陷排序应用(另一相关应用)中，目标可为仅将类似图案上的缺陷分组在一起且根据例如信号强度的属性对所述缺陷进行排名。在这种情境中，预分组可为足够的，且检查同一预群组中的缺陷的缺陷属性是非必要的。

可将上文描述的实施例中的每一者一起组合成一个单一实施例。换句话说，除非本文中另外提及，否则实施例不与任何其它实施例相互排斥。

另一实施例涉及一种用于确定样品的信息的计算机实施方法。计算机实施方法包含本文中描述的移除、产生及指派步骤。所述步骤由可根据本文中描述的实施例中的任一者配置的计算机系统来执行。

可如本文中进一步描述那样执行所述方法的所述步骤中的每一者。所述方法还可包含可由本文中描述的成像子系统及/或计算机系统执行的(若干)任何其它步骤。另外，上文描述的方法可由本文中描述的系统实施例中的任一者来执行。

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，所述程序指令可在计算机系统上执行以执行用于确定样品的信息的计算机实施方法。在图8中展示一个此实施例。特定来说，如图8中展示，非暂时性计算机可读媒体800包含可在计算机系统804上执行的程序指令802。计算机实施方法可包含本文中描述的(若干)任何方法的(若干)任何步骤。

实施例如本文中描述的方法的方法的程序指令802可存储在计算机可读媒体800上。计算机可读媒体可为存储媒体，例如磁盘或光盘、磁带或所属领域中已知的任何其它适合非暂时性计算机可读媒体。

可以各种方式(包含基于过程的技术、基于组件的技术及/或面向对象技术等等)中的任一者实施程序指令。例如，可视需要使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)、SSE(流式SIMD扩展)、Python、Tensorflow或者其它技术或方法论实施程序指令。

可根据本文中描述的实施例中的任一者配置计算机系统804。

鉴于本描述，所属领域的技术人员应明白本发明的各个方面的进一步修改及替代实施例。例如，提供用于确定样品的信息的方法及系统。因此，本描述应仅被解释为阐释性的且是出于教示所属领域的技术人员实行本发明的一般方式的目的。应理解，本文中展示且描述的本发明的形式将被视为当前优选实施例。元件及材料可置换本文中说明及描述的元件及材料，部分及工艺可颠倒，且可独立地利用本发明的某些属性，全部如所属领域的技术人员在获益于本发明的本描述之后将明白。在不脱离如在所附权利要求书中描述的本发明的精神及范围的情况下可对本文中描述的元件做出改变。