3D-Scanner zur Fehlererkennung von CdTe

Cadmiumtellurid (CdTe) ist ein Material, das in Strahlungsdetektoren verwendet wird, besonders zum Nachweisen von Gammastrahlen. Es hat einige Vorteile, wie dass es gut bei Raumtemperatur funktioniert, aber es kann Mängel aufweisen, die die Leistung der Detektoren verringern. Diese Mängel können die Detektoren weniger effektiv machen, was zu Problemen wie schlechter Signalqualität und verkürzter Lebensdauer führt. Daher ist es wichtig, die Qualität von CdTe-Kristallen zu überprüfen, um diese Mängel zu finden und den Produktionsprozess zu verbessern.

#Zweck des Scanners

Um dabei zu helfen, haben wir einen speziellen 3D-Scanner entwickelt, der dafür gedacht ist, Mängel in CdTe-Proben zu finden und zu klassifizieren. Im Gegensatz zu anderen Maschinen, die eine hohe Auflösung haben, aber grosse Proben nicht halten können oder Probleme mit verschiedenen Materialien haben, kann unser Scanner Proben einfach austauschen und mit verschiedenen Materialien arbeiten. Diese Flexibilität ermöglicht es uns, einen besseren Einblick in die Qualität der Kristalle zu bekommen.

#Scanner-Design

#Die 3D-Bühne

Der Scanner wurde mit einer modifizierten CNC-Fräsmaschine gebaut, die sich in drei Dimensionen bewegen kann. Die Spindel der Maschine wurde durch einen Probenhalter ersetzt, und eine Kamera mit einer Lichtquelle wurde hinzugefügt, um Bilder der Proben aufzunehmen. Dieses Setup ermöglicht es uns, das gesamte Volumen einer Probe zu scannen, und wir können neue Halter für verschiedene Probengrössen erstellen, was ihn anpassbar macht.

Bisher haben wir es geschafft, Proben von bis zu 2 Zoll Durchmesser zu scannen, aber er kann Proben bis zu 200 mm Durchmesser verarbeiten. Da die Kamera sich auf kleine Details fokussieren kann, können wir Bilder von winzigen Mängeln innerhalb der Proben erfassen. Der Scan-Prozess verläuft zeilenweise und schichtweise, um sicherzustellen, dass wir die gesamte Probe abdecken.

#Optisches System

Ein wesentliches Merkmal unseres Scanners ist die einstellbare Lichtquelle. Wir können die Wellenlänge des Lichts, das für das Scannen verwendet wird, leicht ändern, was uns ermöglicht, effektiv mit verschiedenen Materialien zu arbeiten. Das Kamerasetup umfasst einen hochauflösenden Sensor und eine Linse, die für verschiedene Vergrösserungsstufen eingestellt werden kann. Diese Flexibilität ist entscheidend für die Erkennung kleiner Mängel, wie z.B. Tellur-Einschlüssen in CdTe.

#Steuerungssoftware

Der Scanner läuft mit einer Steuerungssoftware, die in Python erstellt wurde, was es uns ermöglicht, den Scannvorgang zu programmieren. Vor dem Scannen konfigurieren wir die Grösse der Probe und legen fest, wie viele Bilder wir sammeln müssen. Aufgrund kleiner Fehljustierungen in einigen Teilen des Scanners müssen wir sicherstellen, dass jedes Bild während des Scannens um mindestens 50 % überlappt. Diese Überlappung hilft uns, die Bilder während der Analyse zusammenzufügen.

Nach Abschluss des Scans führen wir verschiedene Anpassungen durch, wie Belichtungseinstellungen und das Fokussieren auf die Oberfläche der Probe. Diese Einstellungen werden in einer Protokolldatei für zukünftige Referenzen gespeichert.

#Bildverarbeitung

#Vorverarbeitung

Sobald wir eine Probe gescannt haben, müssen die Bilder in der Regel angepasst werden, um die Details besser sichtbar zu machen. Der erste Schritt der Vorverarbeitung besteht darin, die Helligkeit und den Kontrast anzupassen und einen Gaussschen Weichzeichner anzuwenden, um das Rauschen zu reduzieren. Zum Beispiel kann eine Probe, die mit einem reflektierenden Material beschichtet wurde, zunächst unklar aussehen, aber nach der Vorverarbeitung werden die Merkmale viel sichtbarer.

#Merkmalsdetektion

Nach der Vorverarbeitung analysieren wir die Bilder, um bestimmte Merkmale in den Proben zu identifizieren. Wir verwenden eine Bibliothek namens OpenCV, um Mängel zu erkennen. Der Prozess umfasst die Umwandlung von Bildern in ein Format, in dem Mängel als schwarze Punkte auf einem helleren Hintergrund erscheinen. Wir können diese Erkennungen auch nach Grösse filtern, was uns hilft, falsche Merkmale zu vermeiden und die Analyse zu beschleunigen.

Wenn ein Merkmal in überlappenden Bildern erkannt wird, können wir das durch die Grösse der Probe und die während des Scannvorgangs aufgezeichnete Scanschrittgrösse verwalten. Das hilft sicherzustellen, dass wir denselben Mangel nicht mehrfach zählen.

#Tiefenerkennung

Die 3D-Position der Mängel kann aus den gescannten Bildern erstellt werden. Obwohl die Kamera sich nur auf einen schmalen Bereich fokussieren kann, sind Merkmale in unterschiedlichen Tiefen weiterhin sichtbar. Indem wir Bilder aufnehmen, die auf verschiedenen Ebenen gemacht wurden, können wir feststellen, wo sich jeder Mangel befindet, indem wir das schärfste Bild für jedes Merkmal finden. So können wir verstehen, wo die Mängel horizontal sind und wie tief sie in der Probe liegen.

#Ergebnisse

#Klassifizierung der Mängelgrösse

Die Analyse der Grössen der Mängel in den Proben zeigte Muster, die denen früherer Studien ähneln. Die Grösse der Mängel scheint sich um bestimmte Masse zu gruppieren, was darauf hindeutet, dass unsere Methode zuverlässig ist und Ergebnisse liefert, die mit früheren Befunden übereinstimmen. Obwohl die maximale Tiefenauflösung, die wir erreicht haben, 50 Mikrometer beträgt, können wir oft schnellere Ergebnisse erzielen, indem wir mit breiteren Tiefenmessungen scannen.

#3D-Mapping von Mängeln

Mit der Tiefenerkennungstechnik können wir detaillierte 3D-Karten der Mängel innerhalb der Proben erstellen. In unseren Erkenntnissen erschienen die meisten Mängel auf der Oberfläche der Proben. Das könnte daran liegen, dass Staub während Scans, die in einer normalen Laboreinstellung und nicht in einem Reinraum durchgeführt wurden, sich abgesetzt hat. Zusätzlich könnten Behandlungen an der Oberfläche auch zu sichtbaren Einschlüssen führen. Um diese Möglichkeiten zu überprüfen, können wir Scans in einer kontrollierteren Umgebung durchführen.

#Fazit und zukünftige Richtungen

In dieser Studie haben wir gezeigt, wie wir einen neuen Typ Scanner zum Überprüfen von Halbleitermaterialien entwickelt haben. Unser Scanner kann eine Reihe von Probengrössen verarbeiten und ermöglicht unterschiedliche Scanwellenlängen basierend auf dem zu analysierenden Material. Wir haben erfolgreich die Fähigkeit demonstriert, kleine Mängel automatisch zu erkennen und 3D-Karten dieser Mängel zu erstellen.

In Zukunft planen wir, die Software zur Analyse zu verbessern, da sie derzeit den gesamten Prozess verlangsamt. Wir könnten sie schneller machen, indem wir fortschrittlichere Rechenmethoden verwenden. Darüber hinaus klassifiziert unsere aktuelle Software grössere Mängel nicht gut, was wir beheben müssen. Die Verbesserung des Zusammenfügungsprozesses der Bilder wird auch helfen, grössere, hochauflösende Bilder effizient zu erzeugen.

Letztendlich gibt es Raum, den Scanner selbst zu verbessern. Das aktuelle Setup dient als Machbarkeitsnachweis, ist aber nicht perfekt. Hochvergrössernde Bilder zeigen, wie Vibrationen die Bildqualität beeinflussen können, sodass ein stabilerer Scanner-Design zu besseren Ergebnissen führen könnte. Die Einführung eines elektronisch gesteuerten Objekts könnte auch die Konsistenz während des Scannens verbessern.