Scanner 3D pour la détection de défauts de CdTe

Le tellurure de cadmium (CdTe) est un matos utilisé dans les détecteurs de radiation, surtout pour détecter les rayons gamma. Ça a des avantages, comme fonctionner à température ambiante, mais il peut avoir des Défauts qui diminuent la performance des détecteurs. Ces défauts peuvent rendre les détecteurs moins efficaces, causant des problèmes comme une mauvaise qualité de signal et une durée de vie réduite. Donc, c'est important de vérifier la qualité des cristaux de CdTe pour trouver ces défauts et améliorer leur process de production.

#But du Scanner

Pour aider avec ça, on a créé un scanner 3D spécial conçu pour trouver et classer les défauts dans les Échantillons de CdTe. Contrairement à d'autres machines qui ont une super résolution mais qui peuvent pas tenir de plus grands échantillons ou qui galèrent avec différents matériaux, notre scanner peut facilement changer d'échantillons et bosser avec divers matériaux. Cette flexibilité nous permet d'avoir une meilleure idée de la qualité des cristaux.

#Design du Scanner

#La Scène 3D

Le scanner a été construit à partir d'une machine de fraisage CNC modifiée qui peut bouger dans trois dimensions. Le porte-outil de la machine a été remplacé par un support d'échantillon, et une caméra avec une source de lumière a été ajoutée pour capturer des Images des échantillons. Ce système nous permet de scanner tout le volume d'un échantillon, et on peut créer de nouveaux supports pour différentes tailles d'échantillons, ce qui le rend personnalisable.

Jusqu'ici, on a réussi à scanner des échantillons aussi grands qu'une plaquette de 2 pouces, mais il peut gérer des échantillons jusqu'à 200 mm de diamètre. Comme la caméra peut se focaliser de près sur de petits détails, on peut capturer des images de petits défauts dans les échantillons. Le processus de scan se fait ligne par ligne et couche par couche, assurant qu'on couvre tout l'échantillon.

#Système Optique

Une caractéristique clé de notre scanner, c'est la source de lumière réglable. On peut facilement changer la longueur d'onde de la lumière utilisée pour le scan, ce qui nous permet de bosser efficacement avec différents matériaux. Le système de caméra comprend un capteur haute résolution et une lentille qui peut être ajustée pour différents niveaux de grossissement. Cette flexibilité est essentielle pour détecter de petits défauts, comme les inclusions de tellure dans le CdTe.

#Logiciel de Contrôle

Le scanner fonctionne avec un logiciel de contrôle créé en Python, ce qui nous permet de programmer le processus de scan. Avant de scanner, on configure la taille de l'échantillon et on établit combien d'images on doit collecter. À cause de petits désalignements dans certaines parties du scanner, on doit s'assurer que chaque image se chevauche d'au moins 50% durant le processus de scan. Ce chevauchement aide à coudre les images ensemble pendant l'Analyse.

Après que le scan soit fini, on fait divers ajustements, comme les paramètres d'exposition et le focus sur la surface de l'échantillon. Ces réglages sont sauvegardés dans un fichier log pour référence future.

#Traitement d'Image

#Prétraitement

Une fois qu'on a scanné un échantillon, les images ont souvent besoin de quelques ajustements pour rendre les détails plus visibles. La première étape de prétraitement inclut l'ajustement de la luminosité et du contraste et l'application d'un flou gaussien pour réduire le bruit. Par exemple, un échantillon recouvert d'un matériau réfléchissant peut sembler flou au départ, mais après prétraitement, les caractéristiques deviennent beaucoup plus visibles.

#Détection de Caractéristiques

Après le prétraitement, on analyse les images pour identifier des caractéristiques spécifiques dans les échantillons. On utilise une bibliothèque appelée OpenCV pour aider à repérer les défauts. Le processus consiste à convertir les images dans un format où les défauts apparaissent comme des points noirs sur un fond plus clair. On peut aussi filtrer ces détections par taille, ce qui aide à éviter de compter des caractéristiques incorrectes et à accélérer l'analyse.

Si une caractéristique est détectée dans des images qui se chevauchent, on peut gérer ça en utilisant la taille de l'échantillon et la taille de l'étape de scan notées durant le processus de scan. Ça aide à s'assurer qu'on ne compte pas le même défaut plusieurs fois.

#Détection de Profondeur

La position 3D des défauts peut être construite à partir des images scannées. Même si la caméra peut seulement se focaliser sur une zone étroite, les caractéristiques à différentes profondeurs peuvent quand même être vues. En empilant des images prises à différents niveaux, on peut identifier où chaque défaut est localisé en trouvant l'image la plus nette pour chaque caractéristique. De cette façon, on peut comprendre non seulement où sont les défauts horizontalement mais aussi à quelle profondeur ils se trouvent dans l'échantillon.

#Résultats

#Classification de la Taille des Défauts

L'analyse des tailles des défauts dans les échantillons a montré des motifs similaires à des études précédentes. La taille des défauts semble se regrouper autour de mesures spécifiques, indiquant que notre méthode est fiable et donne des résultats qui correspondent à des découvertes antérieures. Bien que la résolution de profondeur maximale qu'on a atteinte soit de 50 micromètres, on peut souvent obtenir des résultats plus rapides en scannant avec des mesures de profondeur plus larges.

#Cartographie 3D des Défauts

En utilisant la technique de détection de profondeur, on peut créer des cartes 3D détaillées des défauts dans les échantillons. Dans nos résultats, la plupart des défauts apparaissaient à la surface des échantillons. Ça pourrait être dû à la poussière qui se dépose pendant les scans effectués dans un laboratoire normal au lieu d'une salle blanche. De plus, des traitements à la surface pourraient aussi mener à plus d'inclusions visibles. Pour vérifier ces possibilités, on peut faire des scans dans un environnement plus contrôlé.

#Conclusion et Directions Futures

Dans cette étude, on a montré comment on a construit un nouveau type de scanner pour vérifier les matériaux semi-conducteurs. Notre scanner peut gérer une gamme de tailles d'échantillons et permet différentes longueurs d'onde de scan en fonction du matériau analysé. On a démontré la capacité de détecter automatiquement de petits défauts et de créer des cartes 3D de ces défauts.

En regardant vers l'avenir, on prévoit d'améliorer le logiciel utilisé pour l'analyse, car il ralentit actuellement le processus global. On pourrait le faire tourner plus vite en utilisant des méthodes informatiques plus avancées. En plus, notre logiciel actuel ne classe pas bien les plus gros défauts, quelque chose qu'on doit aborder. Améliorer le processus de couture des images aidera aussi à produire des images plus grandes et en haute résolution de manière efficient.

Enfin, il y a de la place pour améliorer le scanner lui-même. Le setup actuel sert de preuve de concept mais n'est pas parfait. La prise de vue à fort grossissement révèle comment les vibrations peuvent affecter la qualité de l'image, donc un design de scanner plus robuste pourrait mener à de meilleurs résultats. Adopter un objectif contrôlé électroniquement pourrait aussi améliorer la constance durant le scan.