Uncooled Snapshot Infrared Video Spectrometer and Its Data Processing
-
摘要:
随着现代社会的工业化进程和快速发展，工业生产中的危险化学气体泄漏严重危及人身财产安全。如何有效检测污染气体的存在并获取气体的浓度和分布等信息，成为气体泄漏检测的重要课题。非制冷快照式红外视频光谱成像仪（Uncooled Snapshot Infrared Video Spectrometer, USIVS）是一种理想的硬件方案，能够直接从图像中感知危险化学气体的存在并获取危险化学气体的位置，为紧急处置提供有力支持。但是，商业化的轻量级被动式红外光谱成像仪的灵敏度和光谱分辨率相对受限，已有的气体浓度反演方法难以准确检测污染气体的存在。本文介绍了一种基于非制冷快照式红外视频光谱成像仪及其适用的数据处理技术流程。利用气体浓度反演方法对不同温度和光程长度下的气体进行了模拟实验，并得到了较为准确的反演结果，平均误差分别为2.88%和0.61%。在实验室和室外场景下进行了气体浓度反演方法的测量实验，结果表明该算法具有较好的稳定性，平均误差分别为6.18%和7.47%。通过USIVS与数据处理技术流程的有效结合，能够快速准确地检测污染气体的存在并给出图像中每个像素的气体浓度，实现气云浓度反演的效果，为后续该类技术的商业化及实用化提供了参考。
Abstract:Owing to industrialization and the rapid development of modern society, the leakage of dangerous chemical gases in industrial production seriously endangers the safety of human life and property. Effectively detecting the presence of contaminated gas and obtaining information on the gas concentration and distribution have become important topics in gas leakage detection. Uncooled Snapshot Infrared Video Spectrometer (USIVS) is an ideal hardware scheme that can directly perceive the existence of dangerous chemical gas from the image and obtain the position of dangerous chemical gas to provide strong support for emergency responses. However, the sensitivity and spectral resolution of commercial lightweight passive infrared spectral imagers are relatively limited, and it is difficult to accurately detect the presence of polluted gases using existing inversion methods. In this study, an infrared video spectral imager is introduced based on an uncooled snapshot and its applicable data-processing technology. The gas concentration inversion method is used to simulate gas at different temperatures and optical path lengths, and the inversion results are relatively accurate, with average errors of 2.88% and 0.61%, respectively. The gas concentration inversion method is tested in laboratory and outdoor settings. The results show that the algorithm has good stability with average errors of 6.18% and 7.47%. The effective combination of USIVS and data processing technology can quickly and accurately detect the presence of polluted gas and provide the gas concentration of each pixel in the image. This in turn can realize gas cloud concentration inversion, providing a reference for the commercialization and practical application of this technology in the future.
-
0. 引言
碲镉汞（mercury cadmium telluride，MCT）薄膜具有带隙在整个红外波段连续可调、高吸收系数、高量子效率、低暗电流等优点，碲镉汞红外探测器技术成为制冷型高性能红外探测器发展近60年来最主流，也是工程化最成功的技术路线[1-2]。目前红外探测器正向着第三代探测器工程化及第四代探测器机理探索的方向发展，主要涵盖大面阵、双/多色、近室温工作温度、雪崩光电二极管（avalanche photon diode，APD）、集成化、智能化以及多维探测等方向[3]。碲锌镉（cadmium zinc telluride，CZT）衬底与碲镉汞薄膜有着最小的晶格失配，相比于其他衬底，可实现更低缺陷密度、更高晶体质量碲镉汞薄膜材料的制备，为开发低暗电流、高量子效率红外焦平面探测器提供了有利保障。
超大尺寸碲镉汞薄膜制备是亿像素规模红外探测器的研制基础，提升宇航等领域对空间目标和对地目标的大视场、超高分辨率监测能力，同时实现千万像素高性能红外探测器的批产，满足军用和民用领域的批量装备需求。近年来，红外探测器各主流机构在该领域投入了大量时间和精力，推动了大尺寸碲镉汞薄膜材料技术的快速发展，如图 1所示[4-6]。国外方面，美国Raytheon Vision Systems公司采用分子束外延（molecular beam epitaxy，MBE）技术已成功制备了80 mm×80 mm CZT衬底基MCT薄膜[7]；Teledyne Image sensors公司也采用MBE技术实现了70 mm×75 mm CZT衬底基MCT薄膜的生长，厚度标准差为0.06 μm，组分标准差为0.0004，位错腐蚀坑密度（etch pit density, EPD）＜5×105 cm－2 [8]；法国Lynred（Sofradir）采用液相外延（liquid phase epitaxy, LPE）技术实现了72 mm×73 mm（CZT衬底）MCT薄膜的外延，厚度高差为0.12 μm，波长差为0.02 μm（50 mm×50 mm）X射线双峰回摆曲线半峰宽（full width at half maxima, FWHM）为32 arcsecs[9]；美国BAE具备了60 mm×80 mm及以下尺寸CZT基MCT薄膜的批量生产能力[10]。国内方面，中电11所报道了80 mm×80 mm MCT材料技术，EPD＜4×104 cm－2；上海技物所采用富碲垂直液相外延，在CZT衬底上外延50 mm×50 mm MCT薄膜，组分均方差为0.0004，厚度均方差为0.4 μm，FWHM＜30 arcsecs，EPD＜1×105 cm－2 [11]；高德红外公司采用富碲垂直液相外延技术将MCT材料尺寸拓展到了40 mm×50 mm，组分均匀性为0.00065[12]。
自2019年以来，昆明物理研究所在大尺寸MCT外延材料方面不断取得突破，陆续实现了40 mm×50 mm、50 mm×60 mm以及70 mm×75 mm的碲镉汞材料的研制及批产能力建设[8]。在下一代更高性能红外探测器的研制及装备应用需求牵引下，昆明物理研究所实现了高质量100 mm×100 mm大尺寸短波、中波MCT材料的制备。
1. 大直径高质量碲锌镉衬底制备
CZT与MCT具有相同的闪锌矿结构，通过调节其Zn组分可实现与MCT材料的完全晶格匹配，成为高质量MCT薄膜研制的首选衬底，有利支撑了高性能红外探测器的研发和生产。然而，实现高质量大尺寸CZT晶锭生长的难度极大，因存在层错能低、临界切应力小、热导率低等情况，导致CZT晶锭中极易出现多晶、孪晶/层错、位错等缺陷；同时由于生长过程中的Zn组分分凝效应，CZT晶体轴向Zn组分分布不均匀，只有实现定向生长并通过垂直轴向切割才能实现高Zn组分均匀性大尺寸衬底的制备。
昆明物理研究所为实现大尺寸、Zn组份均匀、低缺陷密度CZT衬底的制备，采用籽晶质量提升、温场优化等技术，基于垂直梯度凝固法实现ϕ150 mm CZT单晶的定向生长，如图 2(a)所示。在晶体生长过程中，通过组份偏析抑制等技术实现缺陷密度的有效抑制，生长的晶体EPD≤4×104 cm－2，沉积相尺寸小于5 μm、密度小于5×103 cm－2（图 2(b)）。上述制备的ϕ150 mm碲锌镉晶锭经切割、磨抛等工艺后，获得了100 mm×100 mm大尺寸高质量外延级碲锌镉衬底（图 2(c)），Zn组分分布极差达到±0.2%（图 3(a)）。通过化学腐蚀的方法，在衬底磨抛工艺中始终保证应力平衡状态，同时完全消除损伤层残余应力对面形的影响，成功使得100 mm×100 mm碲锌镉衬底的峰谷（peak to valley, PV）值达到10 μm，如图 3(b)所示，在后续亿像素红外探测器研制中降低了器件制备、芯片与读出电路互连工艺难度。
![]()
图 2 100 mm×100 mm碲锌镉衬底研制情况：(a)ϕ150 mm碲锌镉晶锭；(b) ϕ150 mm碲锌镉晶锭局部沉积相分布；(c)100 mm×100 mm碲锌镉衬底Figure 2. The development status of 100 mm×100 mm CZT substrate: (a) ϕ150 mm cadmium zinc telluride (CZT) ingots; (b)Typical precipitate density of ϕ150 mm CZT ingots; (c) 100 mm×100 mm CZT substrate![]()
图 3 100 mm×100 mm碲锌镉衬底Zn组分分布情况与（(a)）100 mm×100 mm碲锌镉衬底PV值（(b)）Figure 3. Zn mole fraction distribution over a 100 mm×100 mm CZT substrate((a)) and peak to valley of a 100 mm×100 mm CZT substrate((b))2. 100 mm×100 mm碲镉汞薄膜外延
大面积水平液相外延技术制备MCT薄膜的技术难点主要有两个。首先是薄膜厚度和组分均匀性控制难度大，可能会阻碍高响应均匀性红外探测器组件的研制。随着材料尺寸的增加，母液在降温生长过程中由于热传导速率的差异会产生更大的温度梯度，薄膜面内生长速率不均匀，从而引起薄膜横向厚度和组分的不均匀；严重时可能会直接产生表面波纹，影响探测器响应均匀性。
其次是大面积材料缺陷控制，MCT薄膜缺陷类型主要包含位错缺陷和表面缺陷。位错缺陷主要和衬底有关，通过有效抑制衬底本身的位错密度，并筛选合适的衬底Zn组分并优化外延生长程序，MCT薄膜的位错密度能够得到有效抑制。表面缺陷主要包含两种，一种与衬底相关的表面缺陷，另一种是由于外延石墨舟结构不合理或温场均匀性、降温速率等参数不合适导致的，具体形成机理及抑制方法在其他文献中已经进行阐述[2, 8]。
昆明物理研究所针对以上问题，对石墨舟结构进行了重新设计，优化了石墨舟结构，提高散热及温场均匀性；另外，通过对设备温度补偿进行调节，保证生长过程中母液处于一个优异的恒温区间，减小母液自身的温度梯度。在此基础上，采用富碲水平推舟液相外延技术成功实现了100 mm×100 mm MCT材料的生长。图 4(a)是在CZT衬底（111）B面上外延生长所得的MCT材料，该材料表面光亮、核心区域无母液残留及其他宏观材料缺陷，材料表面质量优异。采用Olympus 3D数码显微镜对该薄膜进行了表征，在整个100 mm×100 mm范围内的薄膜表面未出现表面宏观特征波纹，同时材料表面无明显微观缺陷（图 4(b)）。
![]()
图 4 100 mm×100 mm碲镉汞薄膜：(a) 照片；(b) 微观形貌Figure 4. 100 mm×100 mm MCT films: (a) Photo and (b) Microstructure morphology使用XRD对薄膜晶体衍射半峰宽（FWHM）进行了测试，薄膜半峰宽均值≤33 arcsecs（图 5(a)）。使用Chen腐蚀液对材料进行了腐蚀并进行了EPD测试，密度在5×104 cm－2以下（图 5(b)）。
![]()
图 5 100 mm×100 mm碲镉汞薄膜半峰宽和EPD：(a) 薄膜半峰宽分布（每一个半峰宽测试点区域为1 mm×1 mm）；(b) 薄膜局部EPD测试结果Figure 5. FWHM distribution and typical EPD of the 100 mm×100 mm MCT films: (a) FWHM distribution(the area of each test point is 1 mm×1 mm); (b) Typical EPD of the 100 mm×100 mm MCT films用傅里叶红外透过显微镜对室温薄膜组分进行了测试，测试结果如图 6所示。在100 mm×100 mm范围内，材料厚度分布呈现中间薄、四周偏高的盆地型分布。短波碲镉汞薄膜厚度均值为6.1 μm，波长均值为2.91 μm，厚度极差±1.24 μm，波长极差±0.025 μm，组分极差为±0.0022；中波薄膜的厚度均值为7.9 μm，波长均值为4.22 μm，厚度极差±1.25 μm，波长极差±0.06 μm，组分极差为±0.0031。
![]()
图 6 100 mm×100 mm碲镉汞薄膜波长厚度分布情况：(a) 短波碲镉汞薄膜厚度分布；(b) 短波碲镉汞薄膜波长分布；(c) 中波碲镉汞薄膜厚度分布；(d) 中波碲镉汞薄膜波长分布Figure 6. Thickness and wavelength distribution of 100 mm×100 mm infrared MCT films: (a) Thickness distribution of the short wavelength infrared MCT films; (b) Wavelength distribution of the short wavelength infrared MCT films; (c) Thickness distribution of the middle wavelength infrared MCT films; (d) Wavelength distribution of the middle wavelength infrared MCT films为验证100 mm×100 mm碲镉汞薄膜性能，采用昆明物理研究所成熟的1280×1024@15 μm中波器件工艺进行流片，在单片100 mm×100 mm薄膜上一次性制备20个1280×1024@15 μm碲镉汞中波红外焦平面芯片，大幅提升流片效率，管芯排布如图 7(a)所示。制备的典型器件性能良好，该器件响应图及盲元分布图如图 7(b)、(c)所示，器件总盲元数仅275个。
![]()
图 7 100 mm×100 mm碲镉汞薄膜中波1280×1024@15 μm流片芯片排布情况及红外焦平面性能测试结果：(a) 一次流片碲镉汞焦平面芯片排布；(b) 1280×1024（15 μm）规格焦平面探测器信号响应图（77 K）；(c) 1280×1024（15 μm）规格焦平面探测器盲元分布（77 K）Figure 7. Chip arrangement and performance of 1280×1024@15 μm MWIR focal plane arrays of (a)Chip arrangement on one 100 mm×100 mm MCT film; (b) Thermal response (77 K) of 1280×1024 (15 μm) focal plane array; (c) Spatial pixel operability map (77 K) of 1280×1024 (15 μm) focal plane array3. 结论
通过改进型垂直梯度凝固法，突破了ϕ150 mm碲锌镉晶锭定向生长，实现了100 mm×100 mm碲锌镉衬底的制备，EPD≤4×104 cm-2，沉积相尺寸小于5 μm、密度小于5×103 cm-2。采用富碲水平推舟液相外延技术实现了100 mm×100 mm大尺寸短波、中波碲镉汞材料的制备，其中短波碲镉汞薄膜厚度极差±1.24 μm，波长极差±0.025 μm，组分极差±0.0022；中波薄膜厚度极差±1.25 μm，波长极差±0.06 μm，组分极差±0.0031，是目前国际上报道的尺寸最大的碲锌镉基碲镉汞薄膜材料。在单片100 mm×100 mm薄膜上实现了20个1280×1024@15 μm碲镉汞中波红外焦平面芯片制备，芯片性能良好，为后续亿像素级红外焦平面探测器的研制奠定了基础。
-
![]()
图 1 非制冷快照式红外视频光谱成像仪实物图(a)和内部示意图(b)
Figure 1. Uncooled snapshot infrared video spectral imager physical photo(a) and interior diagram (b)
![]()
图 2 气体浓度反演方法数据处理流程
Figure 2. Data processing flow chart of gas concentration inversion method
![]()
图 5 非制冷快照式红外视频光谱成像仪气体探测全链路响应模型
Figure 5. Full-link response model of gas detection in uncooled snapshot infrared video spectrometer
![]()
图 9 九通道30000 ppm SF6气体成像效果图（室外天空背景）
Figure 9. Imaging effect of nine channel 30000 ppm sulfur hexafluoride gas (outdoor sky background)
![]()
图 10 30000 ppm SF6气体轮廓图(a)和气体浓度伪彩图(b)
Figure 10. Gas profile diagram (a) of 30000 ppm sulfur hexafluoride, pseudo-color diagram (b) of 30000 ppm sulfur hexafluoride gas concentration
表 1 USIVS技术指标
Table 1 Specification of USIVS
Wavelength range/nm Sensitivity NETD/mK Field of view range Frame rate Spatial resolution 7320-8020 0.2169 12.0°×14.6° ≥2 Hz 0.55 mrad 9830-10530 0.3262 9130-9830 0.2015 8350-9050 0.2219 9460-10160 0.3221 8720-9420 0.2397 10200-10900 0.3481 7980-8680 0.2502 7610-8310 0.2438 
下载: 导出CSV
表 2 DN值与辐亮度转换关系式
Table 2 Relationship between DN value and radiance conversion
Number of channels The conversion relationship between DN value and radiance 1 L=1.039e－02*DN－67.8 2 L=6.427e－03*DN－39.14 3 L=7.853e－03*DN－48.38 4 L=8.854e－03*DN－56.1 5 L=9.571e－03*DN－60.51 6 L= 1.059e－02*DN－67.71 7 L= 6.116e－03*DN－37.35 8 L= 8.865e－03*DN－56.45 9 L= 7.813e－03*DN－49.57
下载: 导出CSV
表 3 不同温度下100 ppm SF6气体的浓度反演仿真
Table 3 Inversion simulation of 100 ppm sulfur hexafluoride gas concentration at different temperatures
Gas temperature/℃ Set concentration/ppm Simulated concentration/ppm Relative error/% 15 100 101.40 1.40 20 100 96.21 3.79 25 100 97.05 2.95 30 100 101.58 1.58 35 100 104.70 4.70 Average error 2.88
下载: 导出CSV
表 4 不同光程长度下100 ppm六氟化硫气体的浓度反演仿真
Table 4 Inversion simulation of 100 ppm sulfur hexafluoride gas concentration under different optical path length
Optical path length/cm Set concentration/ppm Simulated concentration/ppm Relative error/% 20 100 100.17 0.17 40 100 100.25 0.25 60 100 100.56 0.56 80 100 99.46 0.54 100 100 101.52 1.52 120 100 100.62 0.62 Average error 0.61
下载: 导出CSV
表 5 气体池浓度反演结果
Table 5 Inversion results of gas pool concentration
True concentration/ppm Invert concentration/ppm Relative error/% 5000 4677 6.46 15000 13802 7.99 25000 26564 6.26 35000 32940 5.89 50000 52155 4.31 Average relative error 6.18
下载: 导出CSV
表 6 外场浓度反演结果
Table 6 Inversion results of outfield concentration
True concentration/ppm Invert concentration/ppm Relative error/% 10000 10590 5.90 20000 17760 11.2 30000 28410 5.30 Average relative error 7.47
下载: 导出CSV
-
[1] 高泽东, 高洪兴, 朱院院, 等. 快照式光谱成像技术综述[J]. 光学精密工程, 2020, 28(6): 1323-1343. GAO Zedong, GAO Hongxing, ZHU Yuanyuan, et al. Review of snapshot spectral imaging technologies[J]. Optics and Precision Engineering, 2020, 28(6): 1323-1343.
[2] 李春来, 刘成玉, 金健, 等. 热红外高光谱成像仪(ATHIS)对矿物和气体的实验室光谱测量[J]. 红外与毫米波学报, 2020, 39(6): 767-777. LI Chunlai, LIU Chenyu, JIN Jian, et al. Spectral measurement of minerals and gases based on airborne thermal-infrared hyperspectral imaging system(ATHIS)[J]. Journal of Infrared and Millimeter Waves, 2020, 39(6): 767-777.
[3] 李春来, 吕刚, 袁立银, 等. 机载热红外高光谱成像仪的光谱性能测试与初步应用[J]. 红外与激光工程, 2020, 49(5): 158-164. LI Chunlai, LV Gang, YUAN Liyin, et al. Laboratory calibration and application of the airborne thermal infrared hyperspectral imager (ATHIS) [J]. Infrared and Laser Engineering, 2020, 49(5): 158-164.
[4] 张旭, 金伟其, 李力, 等. 天然气泄漏被动式红外成像检测技术及系统性能评价研究进展[J]. 红外与激光工程, 2019, 48(S2): 53-65. ZHANG Xu, JIN Weiqi, LI Li, et al. Research progress on passive infrared imaging detection technology and system performance evaluation of natural gas leakage[J]. Infrared and Laser Engineering, 2019, 48(S2): 53-65.
[5] 谭雨婷, 李家琨, 金伟其, 等. 气体泄漏的单点探测器与红外成像检测的灵敏度模拟分析[J]. 红外与激光工程, 2014, 43(8): 2489-2495. TAN Yuting, LI Jiakun, JIN Weiqi, et al. Model analysis of the sensitivity of single-point sensor and IRFPA detectors used in gas leakage detection[J]. Infrared and Laser Engineering, 2014, 43(8): 2489-2495.
[6] 陈良富, 顾坚斌, 王甜甜, 等. 近地面NO2浓度卫星遥感估算问题[J]. 环境监控与预警, 2016, 8(3): 1-5. CHEN Liangfu, GU Jianbing, WANG Tiantian, et al. Scientific problems for ground NO2 concentration estimation using DOAS method from satellite observation[J]. Environmental Monitoring and Forewarning, 2016, 8(3): 1-5.
[7] 游介文, 邹滨, 赵秀阁, 等. 基于随机森林模型的中国近地面NO2浓度估算[J]. 中国环境科学, 2019, 39(3): 969-979. YOU Jiewen, ZOU Bin, ZHAO Xiuge, et al. Estimating ground-level NO2 concentrations across China's mainland using random forests regression modeling[J]. China Environmental Science, 2019, 39(3): 969-979.
[8] John Freddy Grajales, Astrid Baquero-Bernal. Inference of surface concentrations of nitrogen dioxide (NO2) in Colombia from tropospheric columns of the ozone measurement instrument (OMI)[J]. Atmósfera, 2014, 27: 193-214. DOI: 10.1016/S0187-6236(14)71110-5
[9] QIN Kai, HAN Xu, LI Donghui, et al. Satellite-based estimation of surface NO2 concentrations over east-central China: A comparison of POMINO and OMNO2d data[J]. Atmospheric Environment, 2020, 224: 117322. DOI: 10.1016/j.atmosenv.2020.117322
[10] YEN JY. Finding the k shortest loopless paths in a network[J]. Management Science. 1971, 17(11): 712-716. DOI: 10.1287/mnsc.17.11.712
[11] Nathan Hagen, Robert T Kester, Chanda Walker. Real-time quantitative hydrocarbon gas imaging with the gas cloud imager (GCI)[C]//SPIE Proceedings, 2012, 8358: 1-2.
计量
- 文章访问数: 77
- HTML全文浏览量: 21
- PDF下载量: 35
