带电粒子束装置的制作方法

1.本发明涉及带电粒子束装置。


背景技术：

2.为了进行试样中的关注对象物的检测和/或评价，使用带电粒子束装置。带电粒子束装置向试样照射带电粒子束，利用由照射引起的信号来进行关注对象物的检测和/或评价。在专利文献1中公开了这样的带电粒子束装置的例子。
3.现有技术文献
4.专利文献
5.专利文献1：日本特开2019-60741号公报


技术实现要素：

6.发明要解决的课题
7.然而，在现有技术中，虽然对检测某个特定的构造是有效的，但存在难以进行不同种类的构造混合存在的情况下的处理的课题。例如，为了检测某个形状的粒子而学习到的已学习模型有时不适合检测混合存在的其他形状的粒子、非粒子的异物等。
8.本发明是为了解决这样的课题而完成的，其目的在于提供一种能够适当地检测出不同种类的构造的带电粒子束装置。
9.用于解决课题的手段
10.本发明的带电粒子束装置的一例具有：
11.照射部，其对试样照射带电粒子束；
12.粒子检测部，其对向所述试样照射所述带电粒子束引起的粒子进行检测；
13.图像生成部，其根据来自所述粒子检测部的输出生成所述试样的图像；以及
14.构造检测部，
15.所述构造检测部进行如下处理：
16.向用于检测第一构造的第一已学习模型输入所述试样的图像；
17.向用于检测第二构造的第二已学习模型输入所述试样的图像；
18.从所述第一已学习模型取得与所述第一构造相关的第一检测结果；
19.从所述第二已学习模型取得与所述第二构造相关的第二检测结果；
20.根据所述第一检测结果决定所述第一构造的位置或区域；
21.根据所述第二检测结果决定所述第二构造的位置或区域；以及
22.输出表示所述第一构造的位置或区域和所述第二构造的位置或区域的综合结果信息。
23.发明效果
24.本发明的带电粒子束装置通过利用多个已学习模型，能够分别检测出对应的多种构造。
附图说明
25.图1是概略性地表示本发明的实施方式1的带电粒子束装置的主视图。
26.图2是显示于显示部的、表示综合结果图像的例子的gui的例子。
27.图3是显示于显示部的、用于选择已学习模型的gui的例子。
28.图4是对各已学习模型的处理进行说明的图。
29.图5是在各构造中使用了不同颜色的综合结果图像的例子。
30.图6是针对多个构造使用了相同的表现的综合结果图像的例子。
31.图7是使用了图像处理的综合结果图像的例子。
32.图8是针对重叠的构造显示了矩形框的综合结果图像的例子。
33.图9是表示在图8的综合结果图像中执行重叠时校正处理的一例并显示新的构造的状态的图。
34.图10是表示在图8的综合结果图像中执行重叠时校正处理的一例，使一方的构造优先的状态的图。
35.图11是表示在图8的综合结果图像中执行重叠时校正处理的一例，进行受理选择各构造中的任一个的操作的处理的状态的图。
36.图12是示意性地表示根据所选择的构造而生成的训练数据的例子的图。
具体实施方式
37.以下，根据附图对本发明的实施方式进行说明。
38.实施方式1
39.《关于带电粒子束装置100的结构》
40.图1是概略性地表示实施方式1的带电粒子束装置100的主视图。该带电粒子束装置100是扫描型电子显微镜。但是，带电粒子束装置也可以是透射型电子显微镜、离子束装置等其他带电粒子束装置。需要注意的是，带电粒子束装置100的结构只不过是一例。换言之，带电粒子束装置100的各部的具体结构能够根据带电粒子束装置100的种类、构造而变化。
41.带电粒子束装置100具有对试样s照射带电粒子束的照射部110。该例子的照射部110具有电子源111和镜筒112。电子源111释放成为带电粒子束(在本例中为电子束)的源的电子。镜筒112具有聚焦透镜、扫描线圈、物镜等，向试样s引导带电粒子束。
42.照射部110与试样室120连接。典型的是，试样室120被未图示的真空泵等抽真空。
43.在该例子中，将输出由带电粒子束向试样s的照射引起的信号的检测部130设置于试样室120。检测部130检测的对象可以是二次电子、反射电子、x射线、俄歇电子(auger electron)等。另外，可以设置多个检测部130。
44.检测部130包含检测由带电粒子束向试样s的照射引起的粒子的粒子检测部。粒子检测部例如是检测二次电子的第一检测部130a。另外，检测部130也可以包含检测由带电粒子束向试样s的照射引起的电磁波的电磁波检测部。电磁波检测部例如是检测x射线的第二检测部130b。检测部130不限于设置于试样室120。作为一例，在一种扫描型电子显微镜中，检测部130设置于镜筒112的内部。作为另一例，在一种透射型电子显微镜中，检测部130设置于比试样s靠电子束的流动的下游的位置，以检测透射了试样s的电子束。
45.带电粒子束装置100具有载物台140。载物台140可以是可动载物台。典型的是，载物台140可以在x方向和/或y方向(与带电粒子束的光轴垂直的平面内的一方向：图1的箭头方向)上可动。并且，载物台140可以在z方向(与带电粒子束的光轴垂直的方向)上移动。并且，载物台140能够旋转(以z轴方向为旋转轴的旋转)。并且，载物台140能够倾斜(以x方向或y方向为旋转轴的旋转)。载物台140可以构成为支承试样保持器141。在本例中，试样s载置于试样保持器141。
46.带电粒子束装置100可以与控制部151、输入部152、存储部153以及显示部154连接。控制部151、输入部152、存储部153、显示部154可以是带电粒子束装置100的一部分，也可以与带电粒子束装置100独立。各部间的连接可以是有线连接，也可以是无线连接。因此，图1所图示的连接线只不过是例示。作为追加或代替，也能够采用经由因特网等通信线路的连接。例如，存储部153也可以是内联网、因特网或云服务上的存储部153。在带电粒子束装置100与多个层级的控制部151或存储部153连接的情况下，有时将处于上位层级的控制部151或存储部153称为上位装置。
47.在典型的带电粒子束装置100中，接收到来自检测部130的信号的控制部151能够生成图像或光谱。或者，控制部151能够进行试样s的被照射了带电粒子束的场所或区域(在本说明书中以后将两者总称为“区域”)的分析或评价。在本例中，控制部151能够生成基于第一检测部130a输出的信号的sem像(在此为二次电子像)。同样地，控制部151能够生成基于第二检测部130b输出的信号的x射线分析图像或光谱。因此，控制部151作为根据来自检测部130的输出来生成试样s的图像的图像生成部发挥功能。并且，控制部151能够根据这些图像或信号，进行例如试样s的表面形状或表面元素的分析或评价。
48.向带电粒子束装置100的信息的输入或来自带电粒子束装置100的信息的输出可以经由ui(用户接口)进行。在本例中，ui是gui(图形用户接口)，显示于显示部154。
49.控制部151进行的带电粒子束装置100的控制、图像或光谱的生成或试样s的分析或评价可以根据存储在存储部153中的已学习模型来执行。存储部153储存多个已学习模型。在本实施方式中，存储部153储存模型m1(第一已学习模型)、模型m2(第二已学习模型)以及模型m3(第三已学习模型)，但储存的已学习模型的数量可以是2个，也可以是4个以上。
50.各已学习模型构成为用于通过分别使用不同的训练数据进行机器学习来分别检测不同的构造。更具体而言，模型m1是用于检测第一构造的模型，模型m2是用于检测第二构造的模型，模型m3是用于检测第三构造的模型。构造例如是指粒子的形状(球状、特定的结晶形状等)、异物的形状、试样s上的形状(划痕等)。另外，不限于外观上的形状，也可以包含具有特定组成的部分的构造。
51.此外，各构造不需要分别专用于不同种类的物质等，也可以构成为分别对应的模型检测同一种类的物质等能够具有的多个构造。例如，在试样s上某个物质以圆的粒子的形式出现或以有棱角的粒子的形式出现的情况下，如果使某个模型对圆的构造进行学习，使其他模型对有棱角的构造进行学习，则能够通过多个模型来检测同一种类的粒子。
52.控制部151也可以控制带电粒子束装置100整体的动作。控制部151也可以通过执行程序来实现该控制。该程序可以储存在存储部153中，也可以储存在与存储部153独立的控制部151内的存储单元中。
53.带电粒子束装置100还可以具有导航图像拍摄机160。导航图像拍摄机160拍摄导
航图像206(后述)。在图1的例子中，导航图像拍摄机160设置于试样室120。在图1中，在载物台140位于图1的箭头的右端的情况下，导航图像拍摄机160能够对预估为存在试样保持器141的部分的至少一部分进行拍摄。在图1的例子中，导航图像拍摄机160是光学照相机，能够对预估为存在试样保持器141的全部部分进行拍摄。此外，导航图像拍摄机160用的光源也可以设置于试样室120。
54.与图1的例子不同，作为导航图像拍摄机160也可以使用光学照相机以外的图像取得单元。另外，与图1的例子不同，也可以使用与带电粒子束装置100各自独立的导航图像拍摄机160。例如，作为导航图像拍摄机160，也可以使用与带电粒子束装置100各自独立的光学显微镜，即能够将试样保持器141固定在一定的位置且一定的方向的光学显微镜。另外，导航图像拍摄机160也可以与控制部151、输入部152、存储部153、显示部154连接。
55.控制部151还作为用于检测特定的构造的构造检测部发挥功能。控制部151作为构造检测部，根据试样s的图像，利用已学习模型来检测构造。更具体而言，控制部151向模型m1输入试样s的图像，从模型m1取得第一构造的检测结果(第一检测结果)，根据该第一检测结果来决定第一构造的位置或区域。
56.同样地，控制部151向模型m2输入试样s的图像，从模型m2取得第二构造的检测结果(第二检测结果)，根据该第二检测结果来决定第二构造的位置或区域。并且，控制部151向模型m3输入试样s的图像，从模型m3取得第三构造的检测结果(第三检测结果)，根据该第三检测结果来决定第三构造的位置或区域。
57.另外，控制部151作为构造检测部，对表示各构造(例如第一构造、第二构造以及第三构造)的位置或区域的信息进行综合，生成并输出表示这些位置或区域的综合结果信息。
58.《关于带电粒子束装置100输出的信息》
59.图2是显示于显示部154的gui的例子。这样的gui能够作为在显示部154中显示的画面200来实现。综合结果信息能够构成为在这样的gui中显示的图像。但是，综合结果信息的输出方式不限于图像，也可以以表或其他形式进行表示。
60.画面200包含表形式部201和重叠部202。在表形式部201中，以表形式显示试样s的评价结果。在图2的例子中，针对检测出的各构造，显示与包含该构造的区域对应的图像编号(“image”)、该区域所包含的构造中的确定该构造的编号(“no”)、与该构造相关的评价结果(“score”)、该构造的位置(“x”以及“y”)、该构造的面积(“area”)。
61.在重叠部202中，评价结果与试样s的图像重叠显示。在本例中，在重叠部202中显示多个综合结果图像203。在各综合结果图像203中，与试样s的图像重叠地，第一构造的位置用黑色圆圈表示，第二构造的位置用灰色的五边形表示。在本例中，未检测到第三构造，但在检测到第三构造的情况下，第三构造的位置也可以用对应的图形来表示。
62.针对各综合结果图像203，与该图像所包含的各构造相关的评价结果显示为数值。
63.在本例中，仅示出了各构造的位置，但在各构造是具有形状的区域的情况下，该区域也可以与综合结果图像203重叠地显示。例如，也可以将构成各构造的像素的颜色变更为特定的颜色(例如红或绿)。作为追加或代替，也可以将构成各构造的像素(所构成的区域)变更为特定的亮度，或者变更为具有特定的阴影线，和/或变更为以特定的图案进行闪烁。
64.画面200也可以包含映射部204。在映射部204中显示与各综合结果图像203对应的符号205。符号205的显示方式分别根据与对应的综合结果图像203关联的信息而变化。显示
方式的变化包含形状、颜色、色调、浓淡、大小、位置等的变化。此外，显示方式的变化包含上述的亮度、阴影线、闪烁图案等的变化这样的能够通过目视确认来辨别2个以上的显示方式的变化。
65.例如，符号205的形状(在本例中为矩形)可以根据综合结果图像203的形状来决定，例如也可以与综合结果图像203的形状相同。另外，符号205的颜色或浓淡也可以根据综合结果图像203所包含的与关注构造有关的评价结果来决定。另外，符号205的大小可以根据试样s中的综合结果图像203的大小来决定，例如可以根据各综合结果图像203间的相对的大小来决定各符号205间的相对的大小。另外，映射部204中的符号205的位置也可以与试样s中的综合结果图像203的位置对应。
66.另外，画面200也可以包含导航图像206。导航图像206是用于供用户在视觉上指定载置于试样保持器141上的试样s中的搜索范围的图像，典型的是，由导航图像拍摄机160进行拍摄。但是，只要能够将带电粒子束装置100的观察倍率设定得足够低，则也可以将sem像等图像用作导航图像206。导航图像206例如能够用于对试样s设定或显示带电粒子束装置100应搜索的搜索区域。
67.《关于已学习模型的具体的处理》
68.图3是显示于显示部154的gui的其他示例。该gui用于选择已学习模型。在图3的例子中，输入确定3个模型(例如模型m1、m2、m3)的信息。控制部151向在此确定出的各模型输入试样s的图像。
69.另外，能够输入确定对各模型使用的宏(macro)的信息。在图3的例子中，针对模型m1指定宏，针对模型m2以及m3未指定宏。宏例如是用于进行图像处理的程序，用于将已学习模型输出的信息作为图像而接收，并对该图像进行特定的图像处理。
70.使用图4，对各已学习模型的处理进行说明。图4的(a)是试样s的图像。控制部151能够根据来自检测部130的信号生成这样的图像。图4的(b)表示根据模型m1的检测结果决定的第一构造401的位置或区域。图4的(c)表示根据模型m2的检测结果决定的第二构造402的位置或区域。关于第三构造省略图示，但处理同样地进行。
71.各模型的输出不需要直接成为图4的(b)或图4的(c)所示那样的形式(表示图像中的区域的形式)。例如，某个模型也可以根据图像输出热图。热图表示例如按像素存在构造的可能性(例如，可靠性、概率或似然度)。该情况下，控制部151根据热图进行例如包含2值化处理的运算，由此，能够如图4的(b)或图4的(c)所示那样决定各构造的位置或区域。
72.《关于综合结果图像的显示例》
73.图5表示作为综合结果信息的输出例的综合结果图像203的例子。综合结果图像203在试样s的图像中表示各已学习模型检测出的构造(例如第一构造401以及第二构造402)的位置或区域。
74.各构造能够分别使用不同的表达来进行表示。例如，控制部151作为构造检测部，在试样s的图像中，在第一构造401的位置或区域显示第一表现，在第二构造402的位置或区域显示第二表现，由此生成并输出综合结果图像203。例如，在第一构造401的位置或区域显示第一表现，在第二构造402的位置或区域显示第二表现，由此能够生成综合结果图像203。第一表现以及第二表现既可以与试样s的图像重合显示，也可以置换试样s的图像的一部分来进行显示。
75.不同的表现能够使用不同的颜色、不同的色调、不同的浓淡、不同的涂布图案(纵条纹、横条纹、斜条纹、点图案、渐变等)、不同的闪烁状态等来实现。作为更具体的例子，在图5的例子中，针对第一构造401的第一表现由第一颜色(即灰色)表示，针对第二构造402的第二表现由第二颜色(即白色)表示。在能够进行彩色显示的情况下，也可以例如用红色表示第一构造401，例如用绿色表示第二构造402。
76.这样，带电粒子束装置100通过利用多个已学习模型，能够分别检测出对应的种类的构造。另外，针对不同构造使用不同的表现，由此带电粒子束装置100的使用者能够容易地识别各构造。
77.图6表示综合结果图像203的其他例子。不需要针对所有已学习模型检测出的构造分别使用不同的表现，也可以针对多个或所有已学习模型使用相同的表现。在图6的例子中，经由模型m1检测出的第一构造401和经由模型m3检测出的第三构造403由相同的表现(灰色)表示。这样，也可以通过在试样s的图像中进一步在第三构造403的位置或区域显示第一表现或第二表现来生成综合结果图像203。
78.在某个对象物的构造不限定于一个的情况下，这样针对多个已学习模型分别检测的多个构造使用相同的表现是有用的。例如，在某个种类的粒子能够具有各种形状的情况下，如果使不同的模型分别学习设想的各形状，针对这些模型检测出的全部构造使用相同的表现，则该粒子的识别变得容易。
79.图7表示综合结果图像203的另外其他例子。也可以在将任一构造的检测结果显示于试样s的图像之前，针对该检测结果进行图像处理。在图7的例子中，针对第一构造401的检测结果，使用如图3那样指定的宏进行图像处理，作为结果，第一构造401的范围比图5所示的范围窄。
80.图像处理的具体内容能够由本领域技术人员适当设计，例如可以设为根据试样s的图像和各构造的位置来确定该构造的范围(或区域)的处理。例如，如果在试样s的图像中示出了某个构造存在的位置，则通过对包含试样s的该位置的范围(或附近的区域)执行适当的图像处理，能够确定该构造的范围(或区域)。此外，在本例中，通过图像处理确定了构造的范围(或区域)，但图像处理不需要确定构造的范围(或区域)，也可以用于仅位置的确定。
81.根据这样的图像处理，能够将检测各构造的位置或区域的处理与检测该构造的范围的处理分离，能够分别使用最佳的处理，因此，作为整体能够得到适当的处理结果。例如，在模型m1能够适当地检测出第一构造401存在，但其范围(或区域)存在比实际检测得大的倾向的情况下，通过图像处理进行范围(或区域)的检测，由此能够得到位置和大小都适当的结果。此外，图像处理的具体内容也可以按构造(即按已学习模型)而不同。此外，进行图像处理的图像可以将通过机器学习而提取出的结果图像作为对象，也可以使用提取前的试样s的图像。
82.这样，控制部151作为构造检测部，根据试样s的图像以及第一检测结果，通过图像处理来决定第一构造401的位置或区域。同样地，控制部151也可以根据试样s的图像以及第二检测结果，通过图像处理来决定第二构造402的位置或区域。另外，在检测到第三构造的情况下，控制部151也可以根据试样s的图像以及第三检测结果，通过图像处理来决定第三构造的位置或区域。
83.根据各构造的检测结果，带电粒子束装置100也可以进行针对试样s的另外的处理。例如，也可以针对与各构造(第一构造、第二构造或者第三构造)的位置或区域对应的位置或区域进行试样s的解析。试样s的解析可以包含形状解析，也可以包含组成解析。例如，也可以针对检测到第一构造401的位置或区域(作为例子，与图的4(a)的图像对应的位置或区域)进一步经由照射部110照射带电粒子束，经由检测部130检测出由该照射引起的信号。
84.该解析的信号例如可以是基于向试样s照射了带电粒子束时产生的电子的信号，也可以是基于向试样s照射了带电粒子束时产生的x射线的信号。特别是，若通过基于电子的信号执行各构造的检测、通过基于x射线的信号执行各构造的解析，则能够高效地执行搜索，高精度地执行解析。在解析中，例如能够利用使用了能量分散型x射线分光(eds)或电子背散射衍射(ebsd)的高倍率的拍摄。另外，在拍摄中也可以使用高加速或者大电流的带电粒子束。
85.《关于基于x射线的信号取得的具体例》
86.也可以根据基于各模型的各构造的检测结果，选择有无执行x射线分析。例如在模型m1是用于检测想要进行元素确定的异物的模型，模型m2是检测异物以外的模型的情况下，通过仅对模型m1执行x射线分析，能够排除不必要的x射线分析的执行，能够高效地实施分析。
87.图8表示综合结果图像203的另外其他的例子。在矩形框801的内部，第一构造401的位置或区域与第二构造402的位置或区域重叠。在此，本领域技术人员能够适当解释“位置或区域重叠”的意思，例如包含试样s的图像中的各构造的位置一致的情况、试样s的图像中的各构造的区域的一部分或者全部重叠的情况等。
88.控制部151也可以作为构造检测部，在各构造的位置或区域重叠的情况下，根据该各构造来执行重叠时校正处理。图8的例子表示第一构造401的位置或区域与第二构造402的位置或区域重叠的情况，根据该第一构造401以及该第二构造402进行重叠时校正处理。
89.通过适当地执行重叠时校正处理，在多个模型检测到同一对象物的情况下，能够得到更适当的综合结果图像203。
90.《关于重叠时处理的具体例》
91.重叠时校正处理也可以包含针对位置或区域重叠的各构造，输出表示这些位置或区域重叠的信息的处理。在图8的例子中，以包围第一构造401及第二构造402的位置或区域重叠的部分的方式，显示表示重叠的矩形框801。矩形框801例如与试样s的图像重合。
92.表示重叠的信息也可以以矩形框801以外的形式进行表示。例如可以是圆，也可以是图形以外的形式(消息等)。另外，在图8的例子中，表示重叠的信息与第一构造401以及第二构造402的位置或区域关联地显示，但表示重叠的信息的显示位置不限于此。
93.图9表示在图8的综合结果图像203中执行了重叠时校正处理的一例的状态。在本例中，重叠时校正处理包含根据位置或区域重叠的第一构造401和第二构造402来决定新的构造(第四构造404)的位置或区域的处理。综合结果图像203表示第四构造404的位置或区域。第四构造404例如能够作为重叠的各构造的区域的逻辑或或逻辑与取得。另外，例如在试样s的图像中，在第四构造404的位置或区域显示第四表现。
94.第四构造404例如被检测为兼具2个特征的构造。即，在某个构造既被检测为第一构造401又被检测为第二构造402的情况下，该构造可以是具有这2种特征的特定的构造。重
叠时校正处理也可以是将第四构造404检测为与第一构造401和第二构造402都不同的新的种类的构造的处理。
95.这样对应于重叠而检测出新的构造，由此能够进行更详细的条件下的检测处理。
96.图10表示在图8的综合结果图像203中执行了重叠时校正处理的另外的例子的状态。在本例中，重叠时校正处理使用各构造间的优先规则来执行。在图10的例子中，使第一构造401优先的结果，在试样s的图像中显示第一构造401的表现(灰色)，在试样s的图像中不显示第二构造402的表现(白色)(或者从图8的状态的综合结果图像203中减去)。
97.这样的重叠时校正处理可以说是对于位置或区域重叠的第一构造401及第二构造402，使该第一构造401的位置或区域或该第二构造402的位置或区域不包含在综合结果信息中的处理。
98.优先规则在3种以上的构造间也能够定义。例如，考虑将第一构造设为第一位、将第二构造设为第二位、将第三构造设为第三位的情况。在这3种构造全部重叠的情况下，在试样s的图像中仅显示第一构造的表现。在第一构造以及第二构造重叠的情况和第一构造以及第三构造重叠的情况下，在试样s的图像中仅显示第一构造的表现。在第二构造以及第三构造重叠的情况下，在试样s的图像中仅显示第二构造的表现。
99.优先规则的具体内容(例如各构造的优先顺位等)例如能够在图3所示的gui中或其他gui中输入到带电粒子束装置100。另外，优先规则不限于顺位，也能够通过计算各构造的优先得分的处理来实现。
100.通过这样使用优先规则，能够进行更适当的检测处理。
101.图11表示在图8的综合结果图像203中执行了重叠时校正处理的另外其他的例子的状态。在本例中，重叠时校正处理包含针对位置或区域重叠的各构造，接受选择该各构造中的某一个的操作的处理。例如，针对位置或区域重叠的第一构造401及第二构造402，接受选择该第一构造401及该第二构造402中的某一方的操作。
102.在图11的例子中，带电粒子束装置100的使用者通过在选择窗口1101中操作单选按钮“a”以及“确定”按钮，能够选择第一构造401，通过操作单选按钮“b”以及“确定”按钮，能够选择第二构造402。
103.这样，通过使使用者选择适当的构造，能够通过人的判断进行适当的检测处理。
104.接受了选择操作之后的处理能够由本领域技术人员适当设计，例如也可以如图10所示那样仅将选择出的构造的表现显示于试样s的图像中。
105.另外，也可以根据选择出的构造，生成针对学习用模型的训练数据。即，重叠时校正处理也可以包含生成在机器学习中使用的训练数据的处理。例如，在图11的状态下，在选择了第一构造401的情况下生成的训练数据为表示未被选择的第二构造402未显现在试样s的图像中的训练数据。另一方面，在选择了第二构造402的情况下生成的训练数据为表示未被选择的第一构造401未显现在试样s的图像中的训练数据。
106.图12示意性地表示这样的训练数据的例子。在本例中以综合结果图像203那样的形式进行表示，但训练数据的形式能够根据学习用模型而适当设计。图12的例子对应于在图8的综合结果图像203中选择了第一构造401的情况。第二构造402中的未被选择的构造(矩形框801内的构造)未显现在试样s的图像中。
107.生成的训练数据可以用于新的学习用模型，也可以为了再学习使用中的模型(例
如模型m1、m2、m3)而进行反馈。
108.这样，根据使用者的选择生成训练数据，由此，能够生成更适当的已学习模型。特别是，在2种粒子的构造相互类似的情况下，有时难以基于已学习模型进行它们的识别，但这样的情况下，能够生成用于更准确地识别这2种粒子的训练数据。
109.另外，也可以通过分类器对位置或区域重叠的构造中的任一个进行分类。例如，控制部151也可以作为该分类器发挥功能。即，重叠时校正处理也可以包含如下处理：针对位置或区域重叠的第一构造401和第二构造402，根据该第一构造401的位置或区域和该第二构造402的位置或区域，选择该第一构造401和该第二构造402中的某一方。
110.分类器的具体的处理内容能够由本领域技术人员适当设计，例如可以根据各构造的区域的面积来进行选择，更具体而言，也可以选择具有更大的面积的构造。或者，在带电粒子束装置100对各构造进行某些分析或评价的情况下，也可以根据分析结果或评价结果进行选择。分类器可以使用图像处理技术来构成，也可以使用为分类器用准备的已学习模型来构成。
111.基于分类器的选择之后的处理能够由本领域技术人员适当设计，例如也可以如图10所示仅将选择出的构造显示于试样s的图像中。
112.通过这样利用分类器进行选择，能够高效地选择适当的构造。
113.符号说明
114.100
…
带电粒子束装置
115.110
…
照射部
116.111
…
电子源
117.112
…
镜筒
118.120
…
试样室
119.130
…
检测部
120.140
…
载物台
121.141
…
试样保持器
122.151
…
控制部(图像生成部、构造检测部)
123.152
…
输入部
124.153
…
存储部
125.154
…
显示部
126.160
…
导航图像拍摄机
127.200
…
画面
128.201
…
表形式部
129.202
…
重叠部
130.203
…
综合结果图像
131.204
…
映射部
132.205
…
符号
133.206
…
导航图像
134.401
…
第一构造
135.402
…
第二构造
136.403
…
第三构造
137.404
…
第四构造
138.801
…
矩形框
139.1101
…
选择窗口
140.s
…
试样
141.m1
…
模型(第一已学习模型)
142.m2
…
模型(第二已学习模型)
143.m3
…
模型(第三已学习模型)。