涂层缺陷

研究背景各种类型的涂层，包括粘合剂和油墨，在包装优化过程中起着关键的作用。对于所有形式的涂层来说，了解并匹配基材的表面特性和涂层的特性是至关重要的，即润湿性、液滴铺展、染料吸收、短期/长期的附着力及印刷质量等。讲座中，KRÜ SS的国内外专家将揭示包装中涂层、印刷和粘接背后的科学，阐述通过不同的表界面测试方法有效地评估涂层和基材性能的原理，这些可量化、可重复的表界面测量方法能够帮助用户在生产和研发过程中实现最佳的涂层效果。我们的国内外专家们从科学和技术两方面带来了丰富的实践经验，并将在这次讲座中和广大行业用户共同探索交流。讲座内容将涵盖接触角测量、表面自由能和预处理等基本原理、测量仪器的技术性能及涂料和印刷行业的各种应用实例。此次讲座内容丰富，干货满满，且完全免费，欢迎新老用户踊跃报名参加！（本次研讨会属于内部技术培训，不提供PPT和纸质资料，请大家做好笔记呦！）讲座安排时间：5月25日（周四）下午13:00至17:30地点：上海市闵行区春东路508号E幢2楼多功能厅费用和注册：本次活动原收费每人1000元，但本次为特别回馈老客户支持，完全免费。此次讲座为线下活动，与会人员必须提前登记预订席位，每家用户的参会名额为2位。报名截止日期为2023年5月22日。讲座内容：液体涂料的评价：静态和动态表面张力的测量理论固体基材的分析：接触角、液滴铺展和附着力分析的基础知识涂层常见缺陷及其处理方法常见的的接触角测量误区实验操作和测量方法的标准化及分析……报名方法：关注公众微信号“克吕士科学仪器”- “最新资讯”。专家团队：王磊：克吕士中国公司总经理，从事KRÜ SS品牌在中国的推广超过15年，对表界面相关领域的应用及测量技术有深刻的理解和洞察。Dr.Thomas Willers:KRÜ SS GmbH应用与科学部门负责人，德国科隆大学实验物理学博士学位，负责德国总部的应用实验室、应用市场、业务发展和培训活动，在界面化学和物理方面拥有多年经验。张晶晶：克吕士科学仪器上海有限公司应用部经理，实验室负责人。研究方向为表/界面张力及泡沫的原理和应用，对KRÜ SS仪器和软件的操作及使用富有经验，长期为客户提供解决方案。杨雅雯：克吕士科学仪器上海有限公司应用工程师，在接触角、表面张力及泡沫分析领域具有多年应用经验，在高温高压领域的解决方案具有实践见解。

美国消费品安全委员会(CPSC)最近宣布了一项暂行政策，关于部件测试和证书在儿童产品及其它消费品中涂层的铅含量限值为0.009% (90ppm)和儿童产品非涂层的铅含量限值为0.03% (300ppm)。 　　此前，因涂层铅含量超标，中国产玩具、服装、饰品等被美国CPSC多次召回，2010年1月26日年，美国消费品安全委员会与Blip玩具公司联合宣布对中国产Nature Wonders HD花马玩偶实施自愿性召回。召回原因为，该花马表面油漆的铅含量超标，违反了美国联邦含铅涂料标准。2009年10月6日，美国消费品安全委员会CPSC与Daiso(加利福尼亚)有限公司联合宣布对中国产木制玩具、中国产儿童玩具、钱包和笔袋实施自愿性召回。召回原因为，笔袋或钱包上的拉链和平衡玩具表面涂料的铅含量超标，违反了美国联邦含铅涂料标准 充气棒球棒的DEHP(邻苯二甲酸(2-乙基己基酯))含量超标，违反了美国联邦邻苯二甲酸酯限量标准。7、8月份中国产玩具产品也曾多次遭美国消费品安全委员会CPSC召回，9月份召回次数有所减少，但10月份目前已有两宗，这也继续给出口企业的质量管控敲响警钟。 　　美国及其他欧洲国家对产品质量特别是儿童用品的标准十分严格，除了CPSC，加拿大卫生部发布的关于儿童玩具表面涂层含有特定重金属的通知规定，如果儿童玩具、装备及供儿童学习玩乐的其它产品的表面涂料中含有总铅、特定可迁移的重金属及汞化合物，则禁止在加拿大宣传、进口或销售。一方面，我们要看到，这对于以出口为主的国内企业提出了更高的要求标准，另一方面，我们也不禁要问，为什么国内市场儿童产品质量标准多年来一直处于缺失的状态呢? 　　临近春节，中国人的传统习俗是走亲拜友，如果家中有小朋友的，可能会收到很多玩具、儿童用品等。细心的家长不妨留意一下，这些产品上可有质量标准认证、完整的警示标签、追踪标签等?恐怕大多数产品都不能提供完整的信息。排除某些无良商家制造的假冒伪劣产品，即使是正规厂家生产的产品，也很少将这些消费者本应知晓的信息标注在产品上。究其原因，很重要的一点是国内对于儿童产品没有像CPSC的规定一样严格的标准，或者即使有标准，其限制也不够严格。因此造成目前市场上流通的儿童玩具质量安全性良莠不齐，家长选购玩具时对其安全性不能完全信任的现状。 　　含重金属的涂料做涂层以提高部件的亮度和美观度，但高浓度的重金属铬对人体皮肤黏膜有刺激作用，易引起皮炎、湿疹、气管炎和鼻炎，并有致癌作用。尤其是儿童玩具产品，对自我保护不强，器官幼嫩的儿童伤害更加严重。笔者在搜集国内市场儿童玩具涂层检测结果时发现，这方面的报道并不多见，只有2009年7月，北京3种儿童玩具涂层涂料不合格下架，其中，广东飞轮科技实业有限公司生产商经销的乐豹爵士鼓，重金属铬含量超标下架等寥寥几条报道。与外销玩具频频被召回相比，国内市场玩具涂层不合格的报道如此之少，是因为国内市场的儿童玩具比欧美国家更加安全吗?笔者认为，恐怕更主要的原因是我们的检测标准不够严格，检测力度不够大所致。这样的对比，不仅不能让人放心，反而使家长们更为担忧。 　　孩子是我们民族的未来，新的一年，我们希望国家能够加大儿童玩具产品质量检测力度，明确产品标识，让孩子们每天相伴的玩具不仅是新奇有趣的，更是安全的，希望食品、玩具损害儿童健康的新闻不在见诸报端，希望每个孩子都能健康成长。事实上，随着涂料技术的进步，制品表面涂层正朝着绿色环保的方向发展。在涂料企业和国家监管部门的共同努力下，让我们共同创造一个更加安全的儿童产品消费环境!

记者从中国科学院兰州化学物理研究所获悉，该所环境材料与生态化学研究发展中心硅基功能材料组与山东鑫纳超疏新材料有限公司合作，研发出了兼具优异耐压性、机械稳定性和耐候性的5G天线罩、雷达罩超疏液防雨衰涂层，能有效解决5G信号在降雨时的“雨衰效应”。相关研究论文近日发表于《自然通讯》。5G天线罩是5G基站的重要组成部分，用来保护天线系统免受外界复杂环境干扰，提高天线精度和使用寿命。但是，雨水会在5G天线罩表面形成水滴或水膜产生“雨衰效应”，即水的介电常数很高，会吸收、反射大量电磁波，导致5G信号严重衰减。“避免雨水在5G天线罩表面形成水滴或水膜是解决‘雨衰效应’的关键。”中国科学院兰州化学物理研究所环境材料与生态化学研究发展中心副主任、研究员张俊平介绍，仿生超疏液涂层（超疏水、超双疏涂层）具有液滴接触角高（大于150°）、滚动角低（小于10°）等特点，液滴易从表面滚落，在自清洁表面、抗液体黏附、防液体铺展等领域具有广阔的应用前景，有望用于5G天线罩表面，解决其“雨衰效应”。然而，采用仿生超疏液涂层解决5G天线罩“雨衰效应”尚需突破涂层不能同时具有优异的耐压性、机械稳定性及耐候性的技术瓶颈。张俊平团队与山东鑫纳超疏新材料有限公司合作，研发了一种兼具优异耐压性、机械稳定性和耐候性的5G天线罩、雷达罩超疏液防雨衰涂层，该涂层能够避免雨滴在5G天线罩、雷达罩表面黏附，有效解决了其“雨衰效应”，并在全国多地5G天线罩、雷达罩上进行了实际应用。张俊平介绍，黏结剂的引入虽然能够提升涂层的机械稳定性，但也同时将低表面能纳米粒子包埋，导致涂层具有较高的表面能，进而使得涂层的超疏水性和耐压性较差。通过调研大量文献，并结合此前的研究经验，该团队对涂层进行了系统设计，成功制得兼具优异耐压性、机械稳定性和耐候性的仿生超疏液涂层。“首先，涂层的三级微/微/纳米结构以及致密的纳米结构，使其具有优异的耐压性。其次，涂层的近似各向同性结构及黏结剂的黏结作用，使其具有优异的机械稳定性。同时，我们选用具有化学惰性的原材料制备涂层，使其具有优异的耐候性。”张俊平说。此外，5G天线罩、雷达罩基材大多为ABS塑料。“这类基材具有较低的表面能，导致涂层与基材的黏结强度较弱。”张俊平说，团队通过对黏结剂的种类进行优化，筛选出与ABS等基材具有优异黏结强度的黏结剂来制备涂层，成功克服了涂层与ABS等基材黏结强度弱的缺陷。经过3年的研发、产业化和规模化应用，该涂层性能已取得大幅提升。张俊平告诉记者，未来，团队将探索更多仿生超疏液涂层的潜在应用领域，实现其在高压输电线路、桥梁、隧道防结冰，5G天线罩、雷达罩防雨衰，抗危化液体黏附，电子产品防水防油膜，自清洁市政工程等方面的工程化应用。

红外热成像是具有非接触、检测面积大、检测结果直观等突出优势的新兴无损检测技术，近年来被广泛应用于金属、非金属、纤维增强复合材料（FRP）以及热障涂层等的无损检测与评价。图1 某航空发动机及其涡轮叶片热障涂层结构示意图近日，江苏省特种设备安全监督检验研究院、南京农业大学和东南大学的科研团队在《红外技术》期刊上发表了以“红外热成像技术在FRP复合材料/热障涂层无损检测应用中的研究现状与进展”为主题的文章。本文首先简要介绍了红外热成像技术的基本原理和检测系统构成，特别是对光学、超声以及电磁等主要热激励形式的特点和优劣势进行了对比。然后，根据热激励形式的发展历程，详细介绍了光激励红外热成像技术在FRP复合材料和热障涂层无损检测与评价方面的研究现状与进展，重点关注了FRP复合材料/热障涂层热成像无损检测中的热难点问题。最后总结并展望了FRP复合材料/热障涂层红外热成像无损检测技术的未来发展趋势。红外热波成像技术任何高于绝对零度的物体都会向周围环境发出电磁热辐射，根据Stefan-Boltzmann定律，其大小除与材料种类、形貌和内部结构等本身特性有关外，还与波长和环境温度有关，而红外热波成像技术即是利用红外热像仪通过遥测材料表面温度场，从而实现对材料结构特性和物理力学性能的无损检测与评价。根据被测对象是否需要施加外部热激励，该技术可分为主动式与被动式，其中主动式红外热波无损检测技术由于具有更高的热对比度与检测分辨率，近年来受到极大的关注。主动式红外热波检测技术是利用外界热源对待测试件进行热激励，同时利用红外热像仪记录其表面温度场的演化历程，并通过对所获得的热波信号进行特征提取分析，以达到检测材料表面损伤和内部缺陷的目的。根据外激励热源的不同，该技术又可被分为光激励红外热成像、超声红外热成像与电涡流红外热成像等。图2总结了目前主动式红外热波成像检测技术中的主要分类依据及分类结果。图2 主动式红外热成像检测技术的主要分类依据及结果虽然红外热成像无损检测技术种类众多，但由于所检测对象琳琅满目，且结构与物理特性比较复杂，因此在实际应用中需结合检测对象本身特性，选择一种相对合适且高效的主动式红外热波成像无损检测方法，从而达到对待测对象进行高分辨率、高精度、快速可靠检测与评价的目的。光激励红外热成像是主动红外热成像中一种相对高效的无损检测方法，由于其非接触、非破坏、检测时间短、检测面积大、易于实施等突出优点，在热障涂层结构、纤维增强复合材料无损检测与评价中备受关注。在该方法中，当外激励光源入射到待测试件时，基于光热转换效应所产生的热波扩散并与内部界面或缺陷相互作用，同时，利用红外热像仪远程记录待测试件表面的瞬态热响应，即红外热图像序列。然后，借助先进的后处理算法对所获取的热图像序列进行综合分析，从而实现待测试件的无损检测与定量表征。图3为光激励热成像技术原理和目前常用光激励红外热成像检测系统。图3 光热无损检测原理及典型闪光灯激励热成像检测系统此外，根据热激励形式的不同，红外热成像技术又可被分为红外脉冲热成像、红外锁相热成像与红外热波雷达成像，这也是根据红外热成像发展历程、目前最为常用的分类方法之一。红外脉冲热成像技术检测效率高，但其探测深度通常较浅，无法满足对材料深层缺陷高分辨率检测的要求；且其检测结果易受表面加热不均匀、表面反射率及发射率不均等影响，瞬时高能量脉冲也易使材料表面产生热损伤。为克服红外脉冲热成像技术的局限性，红外锁相热成像技术应运而生，但由于该技术在单一调制频率热激励下仅能探测与其热扩散长度相对应深度的内部缺陷，因此对FRP复合材料或热障涂层类结构内不同深度或不同铺层界面的缺陷，需选择不同调制频率对待测试件进行激励，因此，该方法检测时间仍相对较长且易出现漏检。红外热波雷达是一种新兴的无损检测技术，具有红外脉冲热成像与红外锁相热成像技术所无法比拟的突出优势，如高分辨率、高检测效率、大探测深度等，近年来备受关注。表1总结了红外脉冲热成像、红外锁相热成像以及红外热波雷达成像这3种技术的优缺点及适用范围。表1 红外脉冲热成像、红外锁相热成像以及红外热波雷达成像检测技术的对比FRP复合材料光激励红外热成像无损检测研究现状红外脉冲热成像检测技术红外脉冲热成像技术是发展最早且目前应用最为广泛的一种红外热波无损检测技术，该技术是使用高能光源（如激光、卤素灯、闪光灯）对待测试件进行非常短时间（通常几毫秒）的脉冲激励加热，由于内部界面或缺陷的热阻效应会对待测试件表面温度场产生差异，然后，利用红外热像仪同步记录这种温度差异，并借助于先进的后处理算法可实现对待测试件内部界面或缺陷的无损检测与评价。红外脉冲热波检测技术检测速度快，且对厚度较小的试件具有较好的检测结果，但其探测深度非常有限，不适用于检测大厚度构件。此外，该技术还易受表面加热不均、表面发射率不均等影响，瞬时高能量脉冲也易使试件表面产生热损伤。FRP复合材料的强各向异性和显著内部界面效应，极易使得其产生界面分层等类型缺陷，极大影响FRP复合材料结构或装备的使用性能。英国巴斯大学Almond等对CFRP复合材料裂纹状缺陷的边缘效应进行了研究，并提出了一种瞬态热成像法测量缺陷尺寸的方法。加拿大拉瓦尔大学Maldague等提出了一种将脉冲热成像与调制热成像技术相结合的红外脉冲相位热成像检测技术，该技术基于傅里叶变换可获得能无损表征CFRP复合材料的相位图像，因此克服了脉冲热成像技术对表面加热均匀性的限制。意大利学者Ludwig等研究了红外脉冲热成像检测技术中的热损失与三维热扩散对缺陷尺寸测量的影响。为了克服脉冲热成像技术的局限性，加拿大拉瓦尔大学Maldague等随后提出了双脉冲激励热成像检测技术，并表明该技术可进一步增强热对比度。加拿大学者Meola等利用脉冲热成像法对GFRP复合材料的低速冲击损伤进行了无损检测。英国巴斯大学Almond等又通过解析法研究了脉冲热成像技术的缺陷检测极限与缺陷径深比、激励能量以及缺陷深度都密切相关。伊朗桂兰大学Azizinasab等还提出了一种使用局部参考像素矢量来处理脉冲热成像检测结果的瞬态响应相位提取方法，实现了CFRP复合材料缺陷检测和深度预测。此外，为增强FRP复合材料缺陷检测效果，许多集成先进特征提取方法的脉冲热成像检测技术也被提出，例如主成分热成像、矩阵分解热成像、正交多项式分解热成像和低秩稀疏主成分热成像。国内的哈尔滨工业大学、电子科技大学、湖南大学、东南大学、火箭军工程大学、首都师范大学、南京诺威尔光电系统有限公司等科研单位也对FRP复合材料红外脉冲热成像无损检测技术开展了大量研究工作，并取得了丰硕的研究成果。首都师范大学研究了GFRP复合材料脉冲热成像检测的热图像序列的分割与三维可视化，并提出了一种基于局部极小值的图像分割算法。北京航空航天大学对FRP复合材料次表面缺陷红外脉冲热成像无损检测的检测概率进行了深入研究，并分析了阈值、特征信息提取算法等对检测概率的影响。此外，国内研究学者还提出集成了稀疏主成分分析、矩阵分解基算法、流形学习和快速随机稀疏主成分分析等算法的红外脉冲热成像检测技术。红外锁相热成像检测技术红外锁相热成像技术是20世纪90年代初发展起来的一种新型数字化无损检测技术，该技术是利用单频正弦调制的热激励源对待测试件进行加热，然后，待测试件内部将也产生一个呈周期性变化的温度场，由于缺陷区与无缺陷区处的表面温度场存在差异，因此采用锁相算法可对表面温度场进行幅值与相位提取，最终实现对材料表面损伤或内部缺陷进行无损检测与评价。红外锁相热成像检测技术的探测范围要大于红外脉冲热成像检测技术，此外，通过降低激励频率大小可增大探测深度。英国华威大学和意大利那不勒斯大学等研究学者较早地将红外锁相热成像技术用于CFRP航空件缺陷检测，并证实了该技术与瞬态热成像与超声C扫描无损检测技术相比，更适于CFRP航空件表面冲击损伤的快速无损检测。Pickering等研究了同等激发能量下，红外脉冲热成像和红外锁相热成像对CFRP复合材料分层缺陷的检测能力。Montanini等证实了红外锁相热成像技术也可用于厚GFRP复合材料的无损检测，并深入研究了与缺陷几何形状和深度相关的检测极限问题。随后，Lahiri等发现随着GFRP复合材料缺陷深度增加，利用红外锁相热成像技术所获得的相位对比度增大，而热对比度却减小。Oliveira等提出了一种融合光学锁相热成像和光学方脉冲剪切成像的CFRP复合材料冲击损伤高效表征方法。国内哈尔滨工业大学、浙江大学和东南大学等科研人员也对FRP复合材料红外锁相热成像检测开展了较多有价值的研究工作。哈尔滨工业大学对CFRP复合材料分层缺陷的大小和深度以及热物性的无损检测与定量评价，开展了系统的理论与实验研究，并提出了多种先进特征增强算法来提高其内部分层缺陷的可视性。浙江大学使用红外锁相热成像无损检测CFRP复合材料分层缺陷，并利用深度学习对测量过程中的传感器噪声、背景干扰等进行有效去除，显著提高了CFRP复合材料次表面缺陷无损检测与定征的精度。此外，东南大学针对CFRP复合材料分层缺陷红外锁相热成像无损检测中所存在的热成像数据缺失以及低帧率导致的低分辨率问题，提出了基于低秩张量填充的热成像检测技术，不仅可有效解决红外锁相热成像数据高度缺失问题，还可显著提高常用红外热像仪的帧频率。红外热波雷达成像检测技术近年来，红外热波雷达成像技术因检测效率高和灵敏度高以及不易对材料产生热损伤而受到越来越多的关注，并开始应用于FRP复合材料的无损检测与评价。红外热波雷达成像技术具有红外脉冲热成像技术与红外锁相热成像技术所无法比拟的优势，但由于被用于FRP复合材料无损检测与评价的时间并不长，尚存在一定的局限性。例如，由于通常采用较低调制频率激励源去探测较深范围的内部缺陷信息，随之而来的是热扩散长度的增大，致使检测分辨率降低；另外，为提高检测信号的信噪比，通常采用增加热流激励强度的方法来解决，但在检测重要目标构件时，为防止对检测对象的热损伤，这种方法并不适合。加拿大多伦多大学Mandelis教授与印度理工大学Mulaveesala教授首先将线性调频雷达探测技术引入到红外热成像检测技术中，提出了脉冲压缩热成像或热波雷达无损检测技术。为显著提高探测热波信号的信噪比与灵敏度，随后提出了热相干层析成像和截断相关光热相干层析成像技术，截断相关光热相干层析成像技术的具体原理如图4所示。印度理工学院与印度塔帕尔工程技术大学等科研人员还将脉冲压缩热成像与红外脉冲热成像等其他检测技术在检测FRP复合材料次表面缺陷时的检测性能进行了对比，并分析了各种技术的优势所在。为增强FRP复合材料分层缺陷检测，比利时根特大学最近也提出了离散频率相位调制波形的热波雷达技术，并证明了该技术具有更高的深度分辨率。图4 截断相关光热相干层析成像检测技术原理：(a)截断相关光热相干层析成像数学实施；(b)激光诱导热成像系统框图国内的哈尔滨工业大学、东南大学、电子科技大学和湖南大学等科研人员也对脉冲压缩热成像或热波雷达开展了较多的研究工作，并取得了重要的创新研究成果。哈尔滨工业大学较早地将红外热波雷达成像技术拓展到CFRP复合材料铺向和分层缺陷的无损检测与评价，并对热波雷达检测技术的特征提取方法也开展了深入研究。湖南大学和电子科技大学还分别用感应红外热成像/热波雷达检测技术和参考脉冲压缩热成像检测技术对CFRP复合材料分层缺陷检测，并取得了较为满意的检测效果。最近，东南大学也提出了正交频率相位调制波形的热波雷达检测技术，可有效增强CFRP复合材料分层缺陷的检测效果。热障涂层红外热波成像无损检测研究现状关于热障涂层红外热波检测技术的研究始于20世纪80年代，伴随着信息电子与计算机技术的快速发展，近年来在航空和先进装备等领域受到极大关注。在目前的热障涂层红外热成像无损检测中，仍以光激励红外热成像检测技术为主，这仍然是由于光激励红外热成像技术具有非接触、快速、检测面积大、检测结果直观等突出优点，非常适合于热障涂层结构性能与健康状况的在线检测与表征。根据激励热源生热机理的不同，除光激励红外热成像检测技术外，其他无损检测方法还包括：超声热成像、振动热成像和涡流热成像。红外脉冲热成像检测技术针对热障涂层红外脉冲热成像无损检测，国外专家学者较早地开展了相关研究，并取得了较多的研究成果。Cielo等利用红外脉冲热成像技术无损检测热障涂层，研究表明当光学穿透深度远小于而加热区域远大于涂层实际厚度时，该技术可有效表征热障涂层热物性和表面涂层厚度。Liu等提出了可无损检测热障涂层内部裂纹和厚度不均匀性的稳态热流激励热成像技术，可实现直径远小于1 mm的裂纹检测。Shepard等利用红外脉冲热成像技术对热障涂层厚度和脱粘缺陷进行无损检测，并结合先进后处理方法提高了时空域分辨率和信噪比。Marinetti与Cernuschi等利用红外脉冲热成像技术结合机器学习和相位特征提取方法，系统地研究了热障涂层结构中的表面涂层厚度变化、脱粘缺陷以及涂层过厚与粘附/脱粘缺陷的区分问题。随后，为无损评价热障涂层老化程度以及完整性，Bison与Cernuschi等利用红外脉冲热成像技术检测了热障涂层面内与深度方向热扩散率以及孔隙率。此外，利用红外脉冲热成像检测技术还可监测热障涂层损伤演化历程以及寿命评估，且热障涂层粘结界面处粗糙度形貌、深度以及基底强度等对其损伤演化也有重要影响。Ptaszek等还研究了热障涂层表面非均匀及红外透光性等对其光热无损检测的影响。最近，Mezghani等利用激光激励红外脉冲热成像技术无损检测了表面涂层厚度变化。Unnikrishnakurup等利用红外脉冲热成像技术和太赫兹时域谱技术同时对不均匀涂层厚度进行测量，并获得了对热障涂层厚度估计小于10.3%的平均相对误差。虽然我国关于热障涂层红外脉冲热成像无损检测的研究起步较晚，但北京航空航天大学、北京理工大学、哈尔滨工业大学、陆军装甲兵学院和北京航空材料研究院等的科研人员仍取得了重要研究成果。北京航空航天大学利用红外脉冲热成像技术，通过使用有限元数值模拟与热成像检测实验方法，对存在脱粘缺陷和厚度不均匀时热障涂层表面温度场以及热障涂层的厚度与疲劳特性进行了较为深入的研究。北京航空材料研究院利用闪光灯激励红外脉冲热成像技术不仅检测出直径小于0.5 mm的脱粘缺陷，还识别出了肉眼无法观察到的微裂纹。海军工程大学利用有限体积法研究了脉冲热激励下热障涂层脱粘缺陷时表面温度场相位差变化，并利用Levenberg-Marquardt算法对涂层厚度和脱粘缺陷位置进行定量化表征。哈尔滨工业大学将红外脉冲热成像技术与模拟退火和马尔科夫-主成分分析-神经网络等方法相结合，实现了热障涂层不均匀厚度和脱粘缺陷深度与直径的有效量化确定。最近，哈尔滨商业大学还提出了一种基于同态滤波-分水岭-Canny算子混合算法的长脉冲热成像检测技术，不仅可有效识别热障涂层脱粘缺陷的边缘，还增强了缺陷特征提取效果。陆军装甲兵学院采用脉冲红外热成像检测技术对热障涂层厚度与脱粘缺陷进行了较为系统的研究，并表明热图重构及先进后处理算法可有效提高表面涂层厚度表征的精度和脱粘缺陷的检测效果。近来，关于热障涂层激光扫描热成像技术的无损检测与评价研究也开始出现，北京理工大学和南京理工大学利用线型激光扫描热成像技术实现了对热障涂层脱粘缺陷以及20~150 μm厚薄涂层的高精度无损检测与评价。为了检测热障涂层表面微小裂纹，北京理工大学还开发了一种将线型激光快速扫描模式与点激光精细扫描模式相结合的激光多模式扫描热成像检测技术，实现了仅9.5 μm宽表面微小裂纹的高效检测。红外锁相热成像检测技术不同于热障涂层红外脉冲热成像无损检测研究，国内专家学者较早地开展了热障涂层红外锁相热成像无损检测的研究，而国外对此的研究还很少。例如，韩国国立公州大学Shrestha和Kim利用红外脉冲热成像技术和红外锁相热成像技术对热障涂层表面不均匀涂层厚度进行了无损检测与评价，并开展了有限元数值模拟与热成像检测实验分析了各种技术的优势所在。国内的哈尔滨工业大学、火箭军工程大学等为基于红外锁相热成像技术的热障涂层无损检测与评价研究做了积极探索。火箭军工程大学利用红外锁相热成像技术对涂层厚度进行检测，并表明该技术可实现对涂层厚度的快速检测，且检测精度可达到95%。哈尔滨工业大学利用红外锁相热成像检测技术和热波信号相关提取算法对热障涂层脱粘缺陷进行检测，并研究了光源功率、分析周期数和激励频率大小等对检测结果的影响。随后，哈尔滨工业大学利用激光激励红外锁相热成像技术高精度地量化了SiC涂层碳/碳复合材料的薄涂层厚度分布的均匀性。上海交通大学针对热障涂层内部裂纹缺陷的快速无损检测与评价，也提出了一种基于多阈值分割和堆叠受限玻尔兹曼机算法的红外热成像无损检测技术。红外热波雷达成像检测技术红外热波雷达成像作为一种新兴的无损检测技术，其高信噪比、大探测范围等突出优势更利于热障涂层次表面脱粘缺陷的高精度无损检测。而目前关于热障涂层红外热波雷达成像无损检测与评价的研究还鲜有报道，目前仅有国内的哈尔滨工业大学和东南大学针对热障涂层红外热波雷达成像无损检测开展了相关的理论与热成像检测实验研究工作。哈尔滨工业大学利用红外热波雷达成像技术对热障涂层脱粘缺陷进行检测，该技术利用线性调频信号调制光源强度，并引入了互相关和线性调频锁相提取算法，研究表明该技术可实现热障涂层脱粘缺陷的有效检测。东南大学基于Green函数法，对热障涂层光热传播理论进行了较为深入的研究，并提出了一种先进非线性调频波形的脉冲压缩热成像检测技术，可实现热障涂层次表面脱粘缺陷的高信噪比、大探测深度的高分辨率检测。结束语本文介绍了红外热成像技术在FRP复合材料和热障涂层无损检测应用中的研究现状和进展，通过文献调研和相关研究结果分析，可发现，由于FRP复合材料和热障涂层的复杂结构特性，使得传统的无损检测技术无法较好地实现高效可靠的无损检测与评价。作为新兴的无损检测技术，红外热波雷达成像技术由于具有高分辨率、大探测深度、检测结果直观等突出优点，为FRP复合材料和热障涂层的高精度无损检测与评价提供了新契机。此外，在对FRP复合材料和热障涂层红外热成像无损检测进行研究的过程中，笔者也发现，红外热成像无损检测技术的发展还面临着一些主要瓶颈制约问题，也促使红外热成像检测技术须向多样化、智能化、集成化和多源信息融合方向发展，呈现出以下发展趋势：1）多样化传统无损检测方法和红外热成像等新型无损检测技术都有其各自的优缺点及适用范围，随着检测对象的多样化和检测要求的多元化，所需要的检测手段也呈现多样化发展的趋势，具体体现在：①热激励源由卤素灯、超声和电磁等向半导体激光器、相控阵超声等其他热激励形式发展；②随着计算机和电子信息技术的快速发展，传统的红外脉冲热成像和红外锁相热成像向着新兴的先进激励波形脉冲压缩热成像或热波雷达成像检测技术方向发展。2）智能化近年来人工智能技术的快速发展使得基于深度学习模型的红外目标识别与跟踪方法取得了巨大进步，这无疑为红外热成像无损检测技术的进一步发展提供了很好的发展契机。深度学习方法的高识别率特点使其在红外目标特征识别、红外图像分割与分类方面性能优异，在精度和实时性方面，甚至远远赶超传统检测方法。人工智能赋能红外热成像检测技术，有望取代人工判断，推动红外热成像无损检测技术向着智能化检测方向发展。3）集成化红外热成像检测系统通常需要激励热源、红外热像仪、光路等调节装置、固定装置等模块，体积较大、结构较为复杂，且仍需人工或仪器自动采样。为满足实际无损检测应用中原位测量及低能耗的需求，红外热成像检测技术需逐步向小型集成化方向发展，最终实现无损检测现场的便携式携带和操作。4）多源信息融合发展多源多模态热成像数据能比单一热成像数据提供更多的关键信息，此外，在信息呈现和表达上，多来源、多模态红外热成像数据还增加了无损检测结果的鲁棒性。因此当检测要求较高时，常常需要采用优势互补、多种检测方法相结合的方式，通过多源多模态热成像数据的融合与集成，最终提供优质、高效、安全、可靠的无损检测解决方案。因此，红外热成像技术也需向多源信息融合方向发展。

近期，中科院合肥研究院核能安全所在辐照缺陷影响热离子发电器件石墨烯电极功函数研究方面取得新进展，研究成果发表在国际材料薄膜领域期刊 Applied Surface Science 上。 　　石墨烯作为微型堆热离子发电器件电极涂层材料具有巨大的应用潜力，能够显著提升电极表面的电子发射能力。热离子发电器件在服役过程中，电极材料将面临高能粒子的辐照作用，早期的理论计算和实验研究表明，在石墨烯内部辐照诱导的缺陷类型主要是Stone-Wales缺陷、掺杂缺陷和碳空位等。缺陷的产生将会影响电极间隙内碱金属和碱土金属在石墨烯表面的吸附性质，进而改变石墨烯涂层的电子发射性能(功函数)。 　　针对上述问题，科研人员通过第一性原理计算方法在原子尺度上研究了缺陷石墨烯表面碱金属和碱土金属的吸附和迁移行为。研究结果表明：(1)石墨烯表面缺陷位点作为陷阱对金属原子具有捕获作用，Stone-Wales缺陷和碳空位缺陷附近的金属原子扩散受到了严重的阻碍，在掺杂B或O的石墨烯表面，金属原子迁移势垒也有不同程度的升高；(2)Stone-Wales缺陷、碳空位缺陷及掺杂石墨烯的表面功函数均显著增加，电子发射能力明显降低，这主要归因于电偶极子形成概率的降低以及金属内聚能的增加。本研究工作为石墨烯涂层材料在反应堆热离子发电器件中的应用提供了理论指导。 　　上述研究工作理论计算部分在合肥先进计算中心完成。图1 热离子能量转换示意图图2 碱金属和碱土金属在原始和含氧缺陷石墨烯表面的迁移行为

德国AIM Systems公司简介 德国AIM Systems有限责任公司一家是专注于工业涂布涂覆无损检测技术的光电科技公司。公司集研发、生产、销售与服务为一体，拥有无接触无损涂层检测的国际领先专利技术和产品，可为客户提供定制化的涂层测厚系统解决方案和专属产品。公司由Stefan Boettger博士在德国萨尔州圣英贝特市创立。公司顺利通过了国际质量管理体系ISO9001认证。 Boettger博士及其领导的核心技术团队，多年来一直致力于利用光热红外法对涂层无损检测的技术研发和工业应用，具有丰富的工业项目实践经验，曾为众多包括大众、奥迪、戴姆勒、采埃孚、蒂森克虏伯、特瑞堡集团、奥钢联、杜尔集团、ABB等几十家全球知名企业成功地提供过定制化的涂层测厚系统解决方案和产品，获得了用户的广泛认可。 北京东方德菲仪器有限公司是德国AIM System公司在中国区的指定代理商，作为AIM Systems公司在中国区的授权代理商，东方德菲将继续秉承“Leading by Professional因专业而领先”的理念，与AIM Systems公司一起用我们严谨的产品研发理念、深厚的工业应用经验、精湛的无损检测技术、卓越的产品、和真诚的服务为您的智能制造助力，我们期待与您的合作！德国AIM System全自动涂层测厚仪CoatPro 德国AIM System全自动涂层测厚仪CoatPro由德国AIM Systems公司研发生产，采用光热红外法技术原理，可被固定安装在机器臂或其他横动装置上，与电脑及配套测量软件组成实时在线涂层测厚系统，在涂装线上对涂层的湿膜或干膜厚度进行实时无损无接触在线测量，为客户提升涂装质量和优化控制涂装工艺提供重要的检测手段和数据支持。 一、全自动涂层测厚仪CoatPro基本原理---光热红外探测技术原理 待测样品在调制光源的激励下吸收了光辐射的能量，产生红外热辐射即热波，由于待测样品内部的多层结构或者自身缺陷而存在分界面特性的差异，导致红外热波在通过分界面时波形发生变化，不同层状结构厚度以及样品缺陷形貌对热波波形变化有不同的影响，通过探测反射热波形的随时间变化及相对激发光信号的延迟可以分析得到待测样品层状结构以及缺陷形貌尺寸的信息。二、CoatPro技术参数：测量精度：±0.5微米或更优测量范围：3-300微米工作距离：100± 30 毫米距离容差：±50毫米允许探测角度：±60°测量时间：1-2秒/点 三、CoatPro技术优势：无损无接触式测量适用范围广： 适用于不同材料上的不同涂层的干膜和湿膜厚度测量， 可测量的基材材质不限（金属、塑料、橡胶、复合材料等)， 可测量的涂料种类不限（油漆、粉末涂料、粘胶剂、润滑涂层等） 可测量的涂装工艺不限可在曲面、粗糙表面和各种厚度的基底上测量高精度，通常在±0.5μm或更小LED光源，使用安全，无辐射和激光危害满足工业防爆安全区要求可自动生成检测报告和数据统计可在线实时测量, 适配于涂装机器人设备维护成本低四、CoatPro典型应用领域全自动涂层测厚仪CoatPro的应用领域极其广泛，不受限于涂层的基材材质，也不受限于涂装材料以及涂装工艺，典型应用领域如下：油漆涂装领域（例如汽车车身漆层、机车车身漆层以及零部件漆层的厚度量）塑料涂装领域（例如塑料外壳、电路板、汽车内饰/外饰上的涂层厚度测量）卷材涂装领域（例如钢卷和铝卷表面镀膜厚度的测量）粉末涂装领域（例如在粉末涂装加热烘烤前对膜厚进行测量）其他涂装领域（例如橡胶或者复合材料上的涂层厚度测量） 用于实验室检测 创新点：1.采用了独特的采用光热红外法技术原理 2.适用范围广:适用于不同材料不同涂层的干、湿膜厚度测量，且基材材质不限、涂料种类不限 3.高精度，通常在?0.5µ m或更小 4.LED光源，使用安全，无辐射和激光危害 德国AIM Systems全自动涂层测厚仪CoatPro

涂魔师全自动涂层测厚仪是一款非接触无损涂层测厚的仪器，采用先进的光热红外法（ATO）对涂层进行非接触测量，实时得出涂层厚度。在工艺早期在线测量涂层厚度是记录和监控涂装工艺的关键，不仅能起到节省涂装材料成本、提高产品质量，而且能减少滞后时间和降低废品率的作用。环境条件的变化容易影响涂装工艺，因此在工业环境中使用操作简易的测厚仪是至关重要的。涂魔师全自动涂层测厚仪FLEX采用的是非接触无损测厚专利技术，而不是基于磁感应或超声波原理。因此它能精准测量湿漆、固化前的粉末涂料来得出干膜厚度和直接测量固化后的涂层厚度，适合各种涂料类型和颜色（包括白色）。与电磁感应测厚设备相比，涂魔师能精准测量金属、木材、塑料和橡胶等基材上的涂层厚度。与其他光热法、基于激光和超声波原理的设备不同的是，它具有安全可靠、使用方便、精度高和重复性好、校准简便并无需严格控制测试距离和角度等优势。使用涂魔师全自动涂层测厚仪FLEX有以下的优势：①节省10%-30%的涂料②减少测量湿膜涂层厚度的时间③操作简单，方便新员工学习④可以在生产线早期进行涂层厚度测量，降低成本和返工率⑤绿色环保⑥帮助企业建立工业4.0的标准⑦支持与企业ERP直连，数据实时传输2021年9月22号网络研讨会将由联合首席官Andor Bariska介绍涂魔师全自动涂层测厚仪FLEX的详细产品信息和新功能，帮助企业优化喷涂工艺。马上发邮件到marketing@hjunkle.com申请网络研讨会视频和资料，邮件主题【9月22号涂魔师研讨会】我们将在研讨会结束后给您发送资料和视频。涂魔师全自动涂层测厚仪FLEX工作原理ATO光热红外法介绍涂魔师全自动涂层测厚系统使用光热红外法ATO原理，通过计算机控制光源以脉冲方式加热待测涂层，其中内置的高速红外探测器从远处记录涂层表面温度分布并生成温度衰减曲线。表面温度的衰减时间取决于涂层厚度及其导热性能。最后利用专门研发的算法分析表面动态温度曲线计算测量待测的涂层厚度。涂魔师全自动涂层测厚仪FLEX是一款功能齐全的高精准的非接触式无损测厚系统，无需进行整合，操作方便，校准简单，无需严格控制测试距离和角度，无需等到涂层固化后才进行涂层厚度测量，能有效节省材料和避免涂层缺陷问题，十分适用于生产车间现场，且自动记录数据及生产全过程。翁开尔是涂魔师中国总代理，欢迎致电咨询关于涂魔师全自动涂层测厚仪更多产品信息、技术应用和客户案例。

石墨烯以其优异的化学稳定性和不透过性被认为是最具潜力且已知最薄的防腐材料。化学气相沉积法（CVD）常用来制备大面积和高品质的石墨烯薄膜，但研究人员发现CVD法生长石墨烯的过程中不可避免地会引入不同类型和不同尺寸的本征缺陷，如空位、针孔、裂纹和石墨烯岛晶界等。缺陷的存在，导致金属基体直接暴露在腐蚀介质中，引发金属基体和石墨烯之间的电偶腐蚀，加速了金属基体的腐蚀速度。缺陷除了会降低石墨烯薄膜的防腐性能外，还会降低电学性能，尤其是在腐蚀发生以后。目前已有一些修复石墨烯缺陷的方法，比如通过原子层沉积（ALD）方法在石墨烯上沉积钝化氧化物（例如ZnO和Al2O3）。氧化物覆盖整个石墨烯表面，可以提升石墨烯膜层的耐腐蚀性能。但是，ALD方法需要数小时且对缺陷不具有高的选择性，沉积在石墨烯的无缺陷区域的氧化物往往会显著降低石墨烯的电学性能。到目前为止，修复石墨烯缺陷的最大挑战是高效性和精准性，同时又不影响其化学稳定性和电学性能。近期，中国科学院宁波材料技术与工程研究所海洋实验室苛刻环境材料耦合损伤与延寿团队设计了一种快速、精准修复石墨烯缺陷的方法，可以在15分钟内高效地修复石墨烯上多尺度和多类型缺陷，在提高石墨烯膜层腐蚀防护性能的同时不影响石墨烯优异的导电性能。研究人员基于溶液蒸发过程中1H,1H,2H,2H-全氟辛硫醇（PFOT）分子在石墨烯缺陷位置的原位自组装（图1），通过硫醇与缺陷位点暴露的铜基底形成化学键快速修复缺陷。采用原子力显微镜和拉曼光谱联用技术验证PFOT修复石墨烯缺陷的精准度，发现PFOT选择性吸附在不同类型和尺寸的石墨烯缺陷上，在石墨烯完整区域没有出现PFOT分子。图1 CVD石墨烯涂层缺陷的快速修复过程示意图研究人员通过显微红外、XPS和DFT计算（图2）揭示了化学键的形成机制，实验表征和DFT计算得出的结果具有非常好的一致性。PFOT分子与暴露在缺陷位置的基底铜原子和石墨烯缺陷边缘的碳原子形成非常强的共价键，并且，PFOT分子与完整无缺陷的石墨烯表面形成弱的范德华键，在清洗过程中很容易去除，这就是PFOT精准修复石墨烯缺陷的原因。图2 PFOT修复石墨烯缺陷的六种吸附构型此外，硫醇与基底铜原子和缺陷边缘碳原子之间的化学键导致PFOT分子扩散到缺陷位置的Ehrlich-Schwoebel势垒降低。这就使得PFOT分子可以很快（仅在15分钟内）且精准的修复石墨烯缺陷。研究人员进一步使用FIB制样并采用TEM观察修复后缺陷位置石墨烯与PFOT分子的微观结构，发现PFOT分子只在石墨烯缺陷处的铜基底上生长，与无缺陷完整石墨烯具有明显且精确的分界，这充分验证了上述PFOT修复石墨烯缺陷机制和化学键合机制（图3）。图3 PFOT修复石墨烯缺陷的显微机制该铜基石墨烯缺陷精准修复的方法展现出普适性，除了PFOT分子以外，高效且长效的修复石墨烯缺陷需要满足以下三个关键要求：（1）修复物质必须与金属基底有牢固的化学键合，确保长期的化学稳定性，使得修复缺陷具有长效性；（2）修复物质不会与完整无缺陷的石墨烯表面形成化学键，确保修复不会影响石墨烯优异的电学性能；（3）修复物质含有疏水性官能团，以降低腐蚀性介质在表面的润湿性从而提升石墨烯膜层的腐蚀防护性能。

TESCANUniTOM是一款配置灵活的多分辨率3DX射线CT显微镜，可以对大尺寸的风机叶片（长约40cm）整体3D成像，这是一种非破坏性的技术，可以在不破坏材料的前提下，快速方便地获取风机叶片材料的内部结构，从而进一步研究和分析结构缺陷对叶片材料结构完整性的影响。毫无疑问，风是一种潜能巨大的新能源，在数秒钟内就能发出一千万马力（750万千瓦）的功率。风很早就被人类利用，比如用风车来抽水、磨面等，而现在风能主要被用作风力发电，通过风力带动风机叶片旋转，再透过增速机将旋转的速度提升，来促使发电机发电。由于风力发电非常环保，无需使用任何燃料，也不会产生辐射或空气污染，因此得到广泛的应用。（图片来源于网络）但风机叶片作为风力发电机的核心部件之一，因积年累月的运转在自然环境中，长期受日照、风雪、雷电，沙尘，甚至大气污染等环境的侵蚀，叶片材料容易老化和损坏，这不但会导致昂贵的维修费用和停机成本，不良的叶片性能还会影响整个叶片的完整性，造成发电量的严重损失，甚至引发事故。风机叶片材料的损坏和老化（图片来源于网络）为了有效避免事故，减少风险，我们首先需要探究一个问题：风机材料的老化和损坏到底是如何影响叶片结构完整性的呢？我们知道风机叶片对材料的要求很高，不仅需要具有较轻的重量，还需要较高的强度、抗腐蚀、耐疲劳性能，因此复合材料在风机叶片的制造中被广泛应用，它占整个风机叶片的比重高达90%。但复合材料是由多种非均质材料组成的，在宏观和微观尺度上的结构都非常复杂，需要利用多尺度三维成像方法才来获得其完整的内部结构。那有没有一种方便快捷的多尺度成像方法能帮助我们快速获得叶片材料的完整内部结构呢？TESCANUniTOM是一款配置灵活的多分辨率3DX射线CT显微镜，可以对大尺寸的风机叶片（长约40cm）整体3D成像，这是一种非破坏性的技术，可以在不破坏材料的前提下，快速方便地获取风机叶片材料的内部结构，从而进一步研究和分析结构缺陷对叶片材料结构完整性的影响。（一）全局扫描，无损获取材料内部宏观结构首先，使用TESCANUniTOM对叶片材料样品进行了整体扫描成像，获得了复合材料的内部宏观结构。如下图中的横向切片所示，我们可以看到风机叶片是由多层玻璃纤维组成，在层之间的树脂中还存在许多孔隙，并且在复合材料的表面覆盖有涂层。对叶片材料整体成像，观测内部结构从风机叶片材料的概览图像和横截面中，可以观察到叶片材料中存在不同大小的孔隙，对这些孔隙进行进一步分析，发现检测到的大多数孔隙可能与存留在材料不同玻璃纤维层之间的气泡有关。孔隙度三维成像分析（蓝色代表较小的孔隙，红色代表最大的孔隙）孔隙度直方图统计分析（二）对概览图实时缩放分析，洞悉更多细节利用TESCANUniTOM系统，可以非常方便地在获得的概览图上选择感兴趣区域，进行实时缩放扫描，来对特征区域进行更加细节的观测。在对感兴趣区域的高分辨观察中，我们发现原本观测不到的存在于玻璃纤维层内和涂层内的孔变得清晰可见（不用对样品做任何处理，分辨度可增加5~10倍，达到12μm），并且借助于高分辨率的细节图像，也可以区分穿过涂层并在涂层下方的树脂内延伸的微小裂缝。局部扫描成像，洞悉更多结构细节然后，从较大叶片的垂直层中，选择一块具有代表性的区域，提取直径为5mm的样品。通过对样品的高分辨率扫描分析，可以得到材料内部不同层的详细信息，甚至可以区分出单根的玻璃纤维。此外，根据样品的横截面剖析，也可以观察到材料内部存在有不同类型的孔隙。对样品进行高分辨扫描，获取更多复杂信息材料内部不同层的特性分析分析表明，在这种叶片的复合材料中确实存在较大的孔隙，而这主要与材料内部玻璃纤维层中的起伏和这些层之间的空气泡有关。（三）涂层分析在叶片复合材料结构的顶部，通常会采用覆盖涂层的方式来增强材料的性能。但这种涂层非常的薄而且涂覆面积非常大，分析时既要求很高的分辨率，又需要分析很大的面积，采用传统的表征方法是不可行的。但TESCANUniTOM具有亚微米级的高分辨率（真实空间分辨率可以达到500nm），并能够分析大尺寸的样品（容纳样品直径可达40cm，高度可达50cm），非常适合叶片复合材料中覆盖涂层的分析。我们利用UniTOM系统对复合材料的内部结构进行局部扫描和放大分析，并借助软件将涂层与材料其他结构分离，对涂层的内部成像，可以发现在整个涂层中也存在大量的小气泡。对涂层结构成像分析，分类筛选出涂层中的小气泡可见，TESCANUniTOM是一款灵活的、模块化的多分辨率X射线CT显微镜，能够对完整的叶片材料样品整体成像来评估材料宏观尺度上的内部结构，还可以在获得的概览图像上选择感兴趣的区域，实时缩放进行更高分辨率的变焦扫描，最大化图像质量、分辨率和分析速度，是一种非常高效和实用的多尺度分析工具。风机叶片材料结构缺陷的多尺度高分辨研究

喷涂涂层回路控制新技术Coating AI，实现人工智能涂装，大数据提升涂装质量水平喷涂涂层回路控制新技术，利用人工智能实现自动化涂层过程，提升涂装质量水平和喷涂效率。了解喷涂涂层回路控制技术Coating AI在这个视频里你可以看到，在涂装生产线上使用Coating AI喷涂涂层回路控制新技术实现人工智能涂装，通过大数据优势提升涂装质量水平。使用Coating AI人工智能涂装系统的好处：解决劳动力短缺问题：Coating AI人工智能涂装系统提供了一个专家顾问工具，可以用来定义最佳喷涂参数，节省成本：通过人工智能学习，显著降低粉末消耗，废品率和劳动强度提高喷涂质量Coating AI 可以实现稳定的喷涂质量，即使是不同人不同时间操作也能保证最后的喷涂质量重点解决的问题：喷涂过程非常复杂，控制影响喷涂过程的不同参数非常困难，需要经验丰富的工人，世界范围内缺乏有经验的喷涂工人，这可能带来的后果是喷涂过量，或者使用太多的粉末，导致次品或者废品，以此同时客户追求更高的涂层质量。Coating AI人工智能涂装技术可以解决问题，喷涂涂层回路控制技术Coating AI可以自己学习和理解喷涂过程，能够找到正确的最佳的喷涂参数，使企业能够实时优化喷涂工艺，操作简单，任何人都能够很容易地使用Coating AI调整喷涂生产线。人们可以通过任何的方法轻松访问CoatingAI，CoatingAI可以集成到生产线上，在云端运行，用户可以通过任何设备访问云端数据。操作流程：工人按照之前的操作在工件上喷涂，使用涂魔师涂层测厚仪进行涂层厚度测量，将测量结果传输到co-pilot上，然后使用该测量值优化生产线，co-pilot可以优化生产线质量，获得相同的涂层厚度，提高生产效率，喷涂效率或生产线速度。参数定义CoatingAI 人工智能涂装喷涂回路自动控制系统能够定义实现高质量涂层结果的最佳机器参数，完全独立于生产线操作员的经验闭环回路控制CoatingAI 是第一个为涂层生产线带来闭环回路控制的解决方案。与涂魔师非接触测厚的关系CoatingAI与涂魔师是合作关系，CoatingAI从涂魔师丰富的涂层测厚数据进行训练学习。点击了解更多关于涂魔师非接触无损测厚仪产品信息如果您对CoatingAI人工智能喷涂涂层回路控制技术感兴趣，欢迎联系翁开尔。

p 2020年7月20日KLA公司宣布推出革命性的eSL10& #8482 电子束图案化晶圆缺陷检查系统。该系统具有独特的检测能力，能够检测出常规光学或其他电子束检测平台无法捕获的缺陷，从而加速了高性能逻辑和存储芯片的上市时间（包括那些依赖于极端紫外线（EUV）光刻技术的芯片）。eSL10的研发是始于最基本的构架，针对研发生产存在多年的问题而开发出了多项突破性技术，可提供高分辨率，高速检测功能，这是市场上任何其他电子束系统都难以比拟的。 /p p KLA电子束部门总经理Amir Azordegan表示：“利用单一的高能量电子束，eSL10系统将电子束检测性能提升到了一个新水平。在此之前，电子束检测系统不能兼顾灵敏度和产能，严重限制了实际的应用。我们优秀的研发工程团队采用了全新的方法来设计电子束架构以及算法，研制出的新系统可以解决现有设备无法解决的问题。目前，KLA将电子束检测列入对制造尖端产品至关重要的设备清单。” /p p img style=" max-width:100% max-height:100% " src=" https://www.semi.org.cn/img/news/sdfffdsffsd.jpg" / /p p 图：针对先进的逻辑、DRAM和3D NAND器件，KLA革命性的eSL10& #8482 电子束图案化晶圆缺陷检测系统利用独特的技术发现甄别产品中的关键缺陷。 /p p eSL10电子束检测系统具有多项革命性技术，能够弥补对关键缺陷检测能力的差距。独特的电子光学设计提供了在业界相对比较广泛的操作运行范围，能够捕获各种不同制程层和器件类型中的缺陷。Yellowstone& #8482 扫描模式每次可以扫描收集100亿像素的信息，支持高速运行的同时不会影响分辨率，以在较大区域内也能高效地研究潜在弱点，实现缺陷发现。Simul-6& #8482 传感器技术可以通过一次扫描同时收集表面、形貌、材料对比度和深沟槽信息，从而减少了在具有挑战性的器件结构和材料中识别不同缺陷类型所需的时间。凭借其先进的人工智能（AI）系统，eSL10运用了深度学习算法，能满足IC制造商不断发展的检测要求，杜绝了对器件性能影响最关键的缺陷。 /p p 三维器件结构，例如用于内存应用的3D NAND和DRAM，以及用于逻辑器件的FinFET和GAA（Gate-All-Around）结构，都要求晶圆厂重新考虑传统的缺陷控制策略。eSL10与KLA的旗舰39xx（“ Gen5”）和29xx（“ Gen4”）宽光谱晶圆缺陷检测系统的结合，为先进的IC技术提供了强大的缺陷发现和监测解决方案。这些系统共同合作，提高了产品的良率和可靠性，将更快地发现关键缺陷，并能够更快地解决从研发到生产的缺陷问题。 /p p 新推出的eSL10系统平台具有独特的扩展性，可以延申到整个电子束检测和量测应用中。全球范围内先进的逻辑器件、存储器和制程设备制造商都在使用eSL10系统，利用该系统帮助研发生产过程，提升和监测下一代产品制程和器件的制造。为了保持其高性能和生产力表现，eSL10系统拥有KLA全球综合服务网络的支持。更多关于全新电子束缺陷检测系统的其他信息，请参见eSL10产品页面。 /p

尽管许多相关合作伙伴面临着全球挑战，但离型膜行业仍在不断增长：新冠疫情爆发导致2020年成为艰难的一年，但令人欣慰的是，从化学品供应商到离型膜制造商，离型膜行业的全球强劲增长对所有相关组织而言是一个好消息。而对于那些依赖纸张或有机硅的企业而言，这一情况特别具有挑战性。由于离型膜行业对于纸张和有机硅的依赖性非常严重，因此纸张和有机硅的短缺尤其给这一行业带来了挑战。市场短缺使得纸张和有机硅供应商们奋力满足需求，同时市场价格出现了飙升。事实上，在有机硅市场，由于价格上涨和不稳定的供应，许多相关方在2020年和现在的2021年考虑替代材料。离型膜的供需状况似乎没有受到太大影响。APAC（亚太地区）业绩增长最快，市场份额最*大。其中，中国凭借着在有机硅生产领域处于世界领*先地位的强劲记录，在离型膜市场中的份额最*大。其他地区（例如美国，其次是欧洲）都显示出强劲的市场增长迹象。离型膜行业的发展方向：离型膜行业正转向更薄的材料（和涂层）以及更高的生产效率，以降低成本。无论是用于饮料瓶还是大量用于医疗领域，标签占据的离型膜市场份额最*大，遥遥领*先。医疗领域的高需求推动着市场生产更薄、更容易处理的标签。这意味着人们开始使用基于薄膜的合成材料，而非市场上唯*一的基材——纸张。这些离型膜所依赖的并非典型的纸张生产方式，而是由聚丙烯、聚酯和聚乙烯制成，因此可能比传统产品类型要薄得多。为什么这些材料越来越受欢迎？因为这些薄膜合成材料最*高可以减少60%的厚度，对环境和商业具有重大影响。除了产生的废物量更少、生产效率更高外，还更轻便，储存和运输时更高效，这意味着在使用的各个阶段节省大量资金。然而，市场无法持续推动离型膜变得更薄。如果太薄，其将无法发挥作用。多年来，以纸张为基础的离型膜已证明其自身的价值，因此不会在一夜之间被取代。在压敏标签等特定关键领域，其仍然是至关重要且不可或缺的产品。传统的离型膜正发生改变，以满足多种需求，而传统纸张和有机硅离型膜将不会随处可见，而且随着环境问题变得越来越重要，尤其是在中国，合成塑料离型膜已成为一股新兴力量，可能会在未来发挥更重要的作用。日立LAB-X5000能量色散X射线荧光（EDXRF）光谱仪能够让有机硅涂层的重量分析变得更加轻松。这款坚固耐用、结构紧凑的分析仪可在实验室或生产环境中提供可靠且具有可重复性的结果。内置的大气补偿功能允许操作人员在无需氦气的情况下进行分析，从而将每次分析的成本降至最*低。应用工程师对分析方法参数进行了优化，方便对玻璃纸和粘土涂层纸进行快速而简单的分析。新型LAB-X5000可作为用户的质量保证计划的一部分，让用户全天24小时以较低的生产成本确保产品符合规范。日立已针对各种应用领域进行研究，并专业提供离型膜XRF分析解决方案。

使用相控阵技术检测管道弯头的优势和劣势相控阵（PA）技术具有多个优势特性：数据分辨率高，成像质量好，以及覆盖区域大。当检测人员使用相控阵仪器检测管线时，通常会感受到检测效率的提高，因为相控阵技术提供的图像更容易判读，可以获得更高的检出率，而且检测结果受操作人员技能的影响更小。以前在管道弯头的相控阵检测中，主要是由于物理方面的一些限制，这些优势特性没有完全体现出来。管道弯头表面形状从拱腹的凹面到拱背的凸面的变化，以及所需覆盖的较大的管径范围，对于现有的相控阵设备来说，尤其是难于解决的问题。由于大型刚性相控阵探头不适于检测管道弯头的曲面，因此检测人员需要选择较小的常规UT探头进行逐点抽查，而这种检测方式需要在管道上画出栅格，并记下每个栅格区域的检测结果。这种方式有以下几个缺点：缓慢乏味，高度依赖操作人员的技能，而且检测人员无法获得由相控阵技术提供的易于判读的图像。使用常规UT小底面探头完成管道弯头的腐蚀成像操作使用射线成像方法检测堆焊管道弯头的难题为了保护输送腐蚀性液体的管道，可以在管道的内壁涂上一层防腐材料。例如，碳钢管道的内壁通常会以堆焊方式覆盖一层金属，如：镍基合金。带有堆焊层的管道非常容易产生点蚀和分层缺陷，因此定期检查至关重要。除了常规UT检测之外，检测堆焊管道的一种典型的方法是射线成像。然而，使用射线成像技术检测管道弯头存在着几个缺点。首先，进行射线成像检测之前，必须要停止管道中液体的流动，清空管道，拆下弯头，并将弯头送至其他地方进行检测。其次，检测过程会持续大约1天半的时间，因此从时间方面看，这种方式可谓效率低下，也因而增加了成本。第三，这种检测方式会给操作人员带来一些风险，如：管道弯头通常处于离地面较高的位置，非常沉重，而且管道内的物质处理起来较为危险。使用FlexoFORM扫查器检测管道弯头的相控阵解决方案为了解决堆焊管道弯头检测中存在的固有问题，奥林巴斯开发了一种用于检测管道弯头的柔性超声相控阵探头和扫查器，即FlexoFORM解决方案。这种创新型探头和扫查器解决方案可以对整个管道弯头进行高分辨率的厚度成像操作，从而可使检测人员更容易地对管道弯头的状态做出准确的判读。根据FlexoFORM扫查器所提供的准确信息，检测人员可以迅速可靠地评估管道弯头的剩余使用寿命，并制定维修和维护的要求。FlexoFORM解决方案包含3个主要部分：一个柔性相控阵探头、局部水浸楔块（用于检测多种不同直径的管道），以及一个可提供相对于工件表面的定位信息且可平稳移动的扫查器。 FlexoFORM解决方案的组件堆焊管道弯头的点蚀和分层检测的结果检测人员使用射线成像方式对堆焊管道弯头进行完整的扫查，要花费一天多的时间才能完成，而使用FlexoFORM解决方案，则只需要比射线成像少得多的时间在现场就可以完成检测。FlexoFORM扫查器可以在管线仍然操作的状态下对管道弯头进行扫查，从而不仅可以节省时间，还节省了成本。此外，这种方案还解决了从管道上拆下弯头并将弯头送到射线成像检测地点所涉及的一些安全问题。本文所述实例中所使用的被测样件是一段内壁包有镍质堆焊层的碳钢管道。管道弯头的外径为16英寸，壁厚为23毫米。FlexoFORM扫查器探头使用一个由4个晶片形成的声束孔径，提供1 × 2毫米的分辨率。包括准备时间在内，整个弯头的检测时间约为35分钟。在不同堆焊通道之间的结合处出现的点蚀为了证明FlexoFORM扫查器可以提供清晰准确的结果，我们使用了一个来自生产线的样本进行比较。管道样本在长度方向上被一切两半，我们可以看到堆焊通道，以及在两种焊接通道之间的结合处产生的点蚀缺陷。OmniScan仪器上的C扫描和B扫描图像表明由相控阵技术提供的高分辨率图像如何有助于检测人员轻松地解读和诊断弯头上的缺陷。操作人员可以更容易地辨别堆焊层中的点蚀和未熔合缺陷。两种焊接通道之间的结合处被标记为易受点蚀的区域，特别是当堆焊层和基底材料之间出现了未熔合的地方。这种信息可使检测人员更好地评估管道弯头的剩余使用寿命，并优化检测计划。C扫描和B扫描中的数据表明弯头存在着点蚀和堆焊层未熔合缺陷FlexoFORM扫查器解决方案的优势特性的总结FlexoFORM相控阵解决方案有助于检测人员解决管道弯头检测中的一些难题，并成功探测到堆焊管道的点蚀和分层缺陷。检测人员可以在现场无需停止管道操作的情况下，对其整个弯头进行扫查。柔性相控阵探头利用相控阵技术可以使检测人员观察到高级、高清图像，而且，扫查器的编码器还有助于为整个管道弯头的厚度进行成像操作。这种解决方案的性价比很高，使用方便，而且可用于检测多种直径的管道。

摘要随着对性能优于硅基器件的碳化硅（SiC）功率器件的需求不断增长，碳化硅制造工艺的高成本和低良率是尚待解决的最紧迫问题。研究表明，SiC器件的性能很大程度上受到晶体生长过程中形成的所谓杀手缺陷（影响良率的缺陷）的影响。在改进降低缺陷密度的生长技术的同时，能够识别和定位缺陷的生长后检测技术已成为制造过程的关键必要条件。在这篇综述文章中，我们对碳化硅缺陷检测技术以及缺陷对碳化硅器件的影响进行了展望。本文还讨论了改进现有检测技术和降低缺陷密度的方法的潜在解决方案，这些解决方案有利于高质量SiC器件的大规模生产。前言由于电力电子市场的快速增长，碳化硅（SiC，一种宽禁带半导体）成为开发用于电动汽车、航空航天和功率转换器的下一代功率器件的有前途的候选者。与由硅或砷化镓（GaAs）制成的传统器件相比，基于碳化硅的电力电子器件具有多项优势。表1显示了SiC、Si、GaAs以及其他宽禁带材料（如GaN和金刚石）的物理性能的比较。由于具有宽禁带（4H-SiC为~3.26eV），基于SiC器件可以在更高的电场和更高的温度下工作，并且比基于Si的电力电子器件具有更好的可靠性。SiC还具有优异的导热性（约为Si的三倍），这使得SiC器件具有更高的功率密度封装，具有更好的散热性。与硅基功率器件相比，其优异的饱和电子速度（约为硅的两倍）允许更高的工作频率和更低的开关损耗。SiC优异的物理特性使其非常有前途地用于开发各种电子设备，例如具有高阻断电压和低导通电阻的功率MOSFET，以及可以承受大击穿场和小反向漏电流的肖特基势垒二极管（SBD）。性质Si3C-SiC4H-SiCGaAsGaN金刚石带隙能量（eV）1.12.23.261.433.455.45击穿场（106Vcm−1)0.31.33.20.43.05.7导热系数（Wcm−1K−1)1.54.94.90.461.322饱和电子速度（107cms−1)1.02.22.01.02.22.7电子迁移率（cm2V−1s−1)150010001140850012502200熔点（°C）142028302830124025004000表1电力电子用宽禁带半导体与传统半导体材料的物理特性（室温值）对比提高碳化硅晶圆质量对制造商来说很重要，因为它直接决定了碳化硅器件的性能，从而决定了生产成本。然而，低缺陷密度的SiC晶圆的生长仍然非常具有挑战性。最近，碳化硅晶圆制造的发展已经完成了从100mm（4英寸）到150mm（6英寸）晶圆的艰难过渡。SiC需要在高温环境中生长，同时具有高刚性和化学稳定性，这导致生长的SiC晶片中存在高密度的晶体和表面缺陷，导致衬底和随后制造的外延层质量差。图1总结了SiC中的各种缺陷以及这些缺陷的工艺步骤，下一节将进一步讨论。图1SiC生长过程示意图及各步骤引起的各种缺陷各种类型的缺陷会导致设备性能不同程度的劣化，甚至可能导致设备完全失效。为了提高良率和性能，在设备制造之前检测缺陷的技术变得非常重要。因此，快速、高精度、无损的检测技术在碳化硅生产线中发挥着重要作用。在本文中，我们将说明每种类型的缺陷及其对设备性能的影响。我们还对不同检测技术的优缺点进行了深入的讨论。这篇综述文章中的分析不仅概述了可用于SiC的各种缺陷检测技术，还帮助研究人员在工业应用中在这些技术中做出明智的选择（图2）。表2列出了图2中检测技术和缺陷的首字母缩写。图2可用于碳化硅的缺陷检测技术表2检测技术和缺陷的首字母缩写见图SEM：扫描电子显微镜OM：光学显微镜BPD：基面位错DIC：微分干涉对比PL：光致发光TED：螺纹刃位错OCT：光学相干断层扫描CL：阴极发光TSD：螺纹位错XRT：X射线形貌术拉曼：拉曼光谱SF：堆垛层错碳化硅的缺陷碳化硅晶圆中的缺陷通常分为两大类：（1）晶圆内的晶体缺陷和（2）晶圆表面处或附近的表面缺陷。正如我们在本节中进一步讨论的那样，晶体学缺陷包括基面位错（BPDs）、堆垛层错（SFs）、螺纹刃位错（TEDs）、螺纹位错（TSDs）、微管和晶界等，横截面示意图如图3（a）所示。SiC的外延层生长参数对晶圆的质量至关重要。生长过程中的晶体缺陷和污染可能会延伸到外延层和晶圆表面，形成各种表面缺陷，包括胡萝卜缺陷、多型夹杂物、划痕等，甚至转化为产生其他缺陷，从而对器件性能产生不利影响。图3SiC晶圆中出现的各种缺陷。（a）碳化硅缺陷的横截面示意图和（b）TEDs和TSDs、（c）BPDs、（d）微管、（e）SFs、（f）胡萝卜缺陷、（g）多型夹杂物、（h）划痕的图像生长在4°偏角4H-SiC衬底上的SiC外延层是当今用于各种器件应用的最常见的晶片类型。在4°偏角4H-SiC衬底上生长的SiC外延层是当今各种器件应用中最常用的晶圆类型。众所周知，大多数缺陷的取向与生长方向平行，因此，SiC在SiC衬底上以4°偏角外延生长不仅保留了下面的4H-SiC晶体，而且使缺陷具有可预测的取向。此外，可以从单个晶圆上切成薄片的晶圆总数增加。然而，较低的偏角可能会产生其他类型的缺陷，如3C夹杂物和向内生长的SFs。在接下来的小节中，我们将讨论每种缺陷类型的详细信息。晶体缺陷螺纹刃位错（TEDs）、螺纹位错（TSDs）SiC中的位错是电子设备劣化和失效的主要来源。螺纹刃位错（TSDs）和螺纹位错（TEDs）都沿生长轴运行，Burgers向量分别为和1/3。TSDs和TEDs都可以从衬底延伸到晶圆表面，并带来小的凹坑状表面特征，如图3b所示。通常，TEDs的密度约为8000-10,0001/cm2，几乎是TSDs的10倍。扩展的TSDs，即TSDs从衬底延伸到外延层，可能在SiC外延生长过程中转化为基底平面上的其他缺陷，并沿生长轴传播。Harada等人表明，在SiC外延生长过程中，TSDs被转化为基底平面上的堆垛层错（SFs）或胡萝卜缺陷，而外延层中的TEDs则被证明是在外延生长过程中从基底继承的BPDs转化而来的。基面位错（BPDs）另一种类型的位错是基面位错（BPDs），它位于SiC晶体的平面上，Burgers矢量为1/3。BPDs很少出现在SiC晶圆表面。它们通常集中在衬底上，密度为15001/cm2，而它们在外延层中的密度仅为约101/cm2。Kamei等人报道，BPDs的密度随着SiC衬底厚度的增加而降低。BPDs在使用光致发光（PL）检测时显示出线形特征，如图3c所示。在SiC外延生长过程中，扩展的BPDs可能转化为SFs或TEDs。微管在SiC中观察到的常见位错是所谓的微管，它是沿生长轴传播的空心螺纹位错，具有较大的Burgers矢量分量。微管的直径范围从几分之一微米到几十微米。微管在SiC晶片表面显示出大的坑状表面特征。从微管发出的螺旋，表现为螺旋位错。通常，微管的密度约为0.1–11/cm2，并且在商业晶片中持续下降。堆垛层错（SFs）堆垛层错(SFs)是SiC基底平面中堆垛顺序混乱的缺陷。SFs可能通过继承衬底中的SFs而出现在外延层内部，或者与扩展BPDs和扩展TSDs的变换有关。通常，SFs的密度低于每平方厘米1个，并且通过使用PL检测显示出三角形特征,如图3e所示。然而，在SiC中可以形成各种类型的SFs，例如Shockley型SFs和Frank型SFs等，因为晶面之间只要有少量的堆叠能量无序可能导致堆叠顺序的相当大的不规则性。点缺陷点缺陷是由单个晶格点或几个晶格点的空位或间隙形成的，它没有空间扩展。点缺陷可能发生在每个生产过程中，特别是在离子注入中。然而，它们很难被检测到，并且点缺陷与其他缺陷的转换之间的相互关系也是相当的复杂，这超出了本文综述的范围。其他晶体缺陷除了上述各小节所述的缺陷外，还存在一些其他类型的缺陷。晶界是两种不同的SiC晶体类型在相交时晶格失配引起的明显边界。六边形空洞是一种晶体缺陷，在SiC晶片内有一个六边形空腔，它已被证明是导致高压SiC器件失效的微管缺陷的来源之一。颗粒夹杂物是由生长过程中下落的颗粒引起的，通过适当的清洁、仔细的泵送操作和气流程序的控制，它们的密度可以大大降低。表面缺陷胡萝卜缺陷通常，表面缺陷是由扩展的晶体缺陷和污染形成的。胡萝卜缺陷是一种堆垛层错复合体，其长度表示两端的TSD和SFs在基底平面上的位置。基底断层以Frank部分位错终止，胡萝卜缺陷的大小与棱柱形层错有关。这些特征的组合形成了胡萝卜缺陷的表面形貌，其外观类似于胡萝卜的形状，密度小于每平方厘米1个，如图3f所示。胡萝卜缺陷很容易在抛光划痕、TSD或基材缺陷处形成。多型夹杂物多型夹杂物，通常称为三角形缺陷，是一种3C-SiC多型夹杂物，沿基底平面方向延伸至SiC外延层表面，如图3g所示。它可能是由外延生长过程中SiC外延层表面上的下坠颗粒产生的。颗粒嵌入外延层并干扰生长过程，产生了3C-SiC多型夹杂物，该夹杂物显示出锐角三角形表面特征，颗粒位于三角形区域的顶点。许多研究还将多型夹杂物的起源归因于表面划痕、微管和生长过程的不当参数。划痕划痕是在生产过程中形成的SiC晶片表面的机械损伤，如图3h所示。裸SiC衬底上的划痕可能会干扰外延层的生长，在外延层内产生一排高密度位错，称为划痕，或者划痕可能成为胡萝卜缺陷形成的基础。因此，正确抛光SiC晶圆至关重要，因为当这些划痕出现在器件的有源区时，会对器件性能产生重大影响。其他表面缺陷台阶聚束是SiC外延生长过程中形成的表面缺陷，在SiC外延层表面产生钝角三角形或梯形特征。还有许多其他的表面缺陷，如表面凹坑、凹凸和污点。这些缺陷通常是由未优化的生长工艺和不完全去除抛光损伤造成的，从而对器件性能造成重大不利影响。检测技术量化SiC衬底质量是外延层沉积和器件制造之前必不可少的一步。外延层形成后，应再次进行晶圆检查，以确保缺陷的位置已知，并且其数量在控制之下。检测技术可分为表面检测和亚表面检测，这取决于它们能够有效地提取样品表面上方或下方的结构信息。正如我们在本节中进一步讨论的那样，为了准确识别表面缺陷的类型，通常使用KOH（氢氧化钾）通过在光学显微镜下将其蚀刻成可见尺寸来可视化表面缺陷。然而，这是一种破坏性的方法，不能用于在线大规模生产。对于在线检测，需要高分辨率的无损表面检测技术。常见的表面检测技术包括扫描电子显微镜（SEM）、原子力显微镜（AFM）、光学显微镜（OM）和共聚焦微分干涉对比显微镜（CDIC）等。对于亚表面检测，常用的技术包括光致发光（PL）、X射线形貌术（XRT）、镜面投影电子显微镜（MPJ）、光学相干断层扫描（OCT）和拉曼光谱等。在这篇综述中，我们将碳化硅检测技术分为光学方法和非光学方法，并在以下各节中对每种技术进行讨论。非光学缺陷检测技术非光学检测技术，即不涉及任何光学探测的技术，如KOH蚀刻和TEM，已被广泛用于表征SiC晶圆的质量。这些方法在检测SiC晶圆上的缺陷方面相对成熟和精确。然而，这些方法会对样品造成不可逆转的损坏，因此不适合在生产线中使用。虽然存在其他非破坏性的检测方法，如SEM、CL、AFM和MPJ，但这些方法的通量较低，只能用作评估工具。接下来，我们简要介绍上述非光学技术的原理。还讨论了每种技术的优缺点。透射电子显微镜（TEM）透射电子显微镜（TEM）可用于以纳米级分辨率观察样品的亚表面结构。透射电镜利用入射到碳化硅样品上的加速电子束。具有超短波长和高能量的电子穿过样品表面，从亚表面结构弹性散射。SiC中的晶体缺陷，如BPDs、TSDs和SFs，可以通过TEM观察。扫描透射电子显微镜（STEM）是一种透射电子显微镜，可以通过高角度环形暗场成像（HAADF）获得原子级分辨率。通过TEM和HAADF-STEM获得的图像如图4a所示。TEM图像清晰地显示了梯形SF和部分位错，而HAADF-STEM图像则显示了在3C-SiC中观察到的三种SFs。这些SFs由1、2或3个断层原子层组成，用黄色箭头表示。虽然透射电镜是一种有用的缺陷检测工具，但它一次只能提供一个横截面视图，因此如果需要检测整个碳化硅晶圆，则需要花费大量时间。此外，透射电镜的机理要求样品必须非常薄，厚度小于1μm，这使得样品的制备相当复杂和耗时。总体而言，透射电镜用于了解缺陷的基本晶体学，但它不是大规模或在线检测的实用工具。图4不同的缺陷检测方法和获得的缺陷图像。（a）SFs的TEM和HAADF图像；（b）KOH蚀刻后的光学显微照片图像；（c）带和不带SF的PL光谱，而插图显示了波长为480nm的单色micro-PL映射；（d）室温下SF的真彩CLSEM图像；（e）各种缺陷的拉曼光谱；（f）微管相关缺陷204cm−1峰的微拉曼强度图KOH蚀刻KOH蚀刻是另一种非光学技术，用于检测多种缺陷，例如微管、TSDs、TEDs、BDPs和晶界。KOH蚀刻后形成的图案取决于蚀刻持续时间和蚀刻剂温度等实验条件。当将约500°C的熔融KOH添加到SiC样品中时，在约5min内，SiC样品在有缺陷区域和无缺陷区域之间表现出选择性蚀刻。冷却并去除SiC样品中的KOH后，存在许多具有不同形貌的蚀刻坑，这些蚀刻坑与不同类型的缺陷有关。如图4b所示，位错产生的大型六边形蚀刻凹坑对应于微管，中型凹坑对应于TSDs，小型凹坑对应于TEDs。KOH刻蚀的优点是可以一次性检测SiC样品表面下的所有缺陷，制备SiC样品容易，成本低。然而，KOH蚀刻是一个不可逆的过程，会对样品造成永久性损坏。在KOH蚀刻后，需要对样品进行进一步抛光以获得光滑的表面。镜面投影电子显微镜（MPJ）镜面投影电子显微镜（MPJ）是另一种很有前途的表面下检测技术，它允许开发能够检测纳米级缺陷的高通量检测系统。由于MPJ反映了SiC晶圆上表面的等电位图像，因此带电缺陷引起的电位畸变分布在比实际缺陷尺寸更宽的区域上。因此，即使工具的空间分辨率为微米级，也可以检测纳米级缺陷。来自电子枪的电子束穿过聚焦系统，均匀而正常地照射到SiC晶圆上。值得注意的是，碳化硅晶圆受到紫外光的照射，因此激发的电子被碳化硅晶圆中存在的缺陷捕获。此外，SiC晶圆带负电，几乎等于电子束的加速电压，使入射电子束在到达晶圆表面之前减速并反射。这种现象类似于镜子对光的反射，因此反射的电子束被称为“镜面电子”。当入射电子束照射到携带缺陷的SiC晶片时，缺陷的带负电状态会改变等电位表面，导致反射电子束的不均匀性。MPJ是一种无损检测技术，能够对SiC晶圆上的静电势形貌进行高灵敏度成像。Isshiki等人使用MPJ在KOH蚀刻后清楚地识别BPDs、TSDs和TEDs。Hasegawa等人展示了使用MPJ检查的BPDs、划痕、SFs、TSDs和TEDs的图像，并讨论了潜在划痕与台阶聚束之间的关系。原子力显微镜（AFM）原子力显微镜（AFM）通常用于测量SiC晶圆的表面粗糙度，并在原子尺度上显示出分辨率。AFM与其他表面检测方法的主要区别在于，它不会受到光束衍射极限或透镜像差的影响。AFM利用悬臂上的探针尖端与SiC晶圆表面之间的相互作用力来测量悬臂的挠度，然后将其转化为与表面缺陷特征外观成正比的电信号。AFM可以形成表面缺陷的三维图像，但仅限于解析表面的拓扑结构，而且耗时长，因此通量低。扫描电子显微镜（SEM）扫描电子显微镜（SEM）是另一种广泛用于碳化硅晶圆缺陷分析的非光学技术。SEM具有纳米量级的高空间分辨率。加速器产生的聚焦电子束扫描SiC晶圆表面，与SiC原子相互作用，产生二次电子、背散射电子和X射线等各种类型的信号。输出信号对应的SEM图像显示了表面缺陷的特征外观，有助于理解SiC晶体的结构信息。但是，SEM仅限于表面检测，不提供有关亚表面缺陷的任何信息。阴极发光（CL）阴极发光（CL）光谱利用聚焦电子束来探测固体中的电子跃迁，从而发射特征光。CL设备通常带有SEM，因为电子束源是这两种技术的共同特征。加速电子束撞击碳化硅晶圆并产生激发电子。激发电子的辐射复合发射波长在可见光谱中的光子。通过结合结构信息和功能分析，CL给出了样品的完整描述，并直接将样品的形状、大小、结晶度或成分与其光学特性相关联。Maximenko等人显示了SFs在室温下的全彩CL图像，如图4d所示。不同波长对应的SFs种类明显，CL发现了一种常见的单层Shockley型堆垛层错，其蓝色发射在~422nm，TSD在~540nm处。虽然SEM和CL由于电子束源而具有高分辨率，但高能电子束可能会对样品表面造成损伤。基于光学的缺陷检测技术为了在不损失检测精度的情况下实现高吞吐量的在线批量生产，基于光学的检测方法很有前途，因为它们可以保存样品，并且大多数可以提供快速扫描能力。表面检测方法可以列为OM、OCT和DIC，而拉曼、XRT和PL是表面下检测方法。在本节中，我们将介绍每种检测方法的原理，这些方法如何应用于检测缺陷，以及每种方法的优缺点。光学显微镜（OM）

中国能源研究会17日发布信息称，国网甘肃电科院技术成果“涂镀层检测技术研究与应用”获评第二届能源行业高价值专利(技术)成果典型案例。涂镀层检测技术是一种用于评估材料表面涂层质量和性能的关键技术，在能源行业中具有广泛的应用前景。通过对涂镀层进行精确测量和分析，能够及时发现涂层质量问题，从而确保能源设备的安全稳定运行。国网甘肃电科院创新团队长期开展涂镀层检测技术研究与应用，通过对绝缘子的深入调研和大量的实验对比，成功研发出一款绝缘子表面涂层检测仪“小神探”，这一创新成果可解决电网工程施工现场无法对绝缘子质量开展检测的难题。该仪器能有效检测绝缘子表面的镀锌层质量，评估绝缘子表面是否进行了涂层防腐处理，从而避免一些已退役的废旧绝缘子翻新后再次上市销售而流入电网。“我们研发的涂镀层检测技术成果不仅能够快速准确检测绝缘子的质量，而且还具有小巧便携、操作简单等优势，能够为多场景下的绝缘子质量检测提供有力支撑和保障。”国网甘肃电科院材料检测技术攻关团队成员赵同坤说。通过不断地深入研究，涂镀层检测技术成果已优化升级到第三代产品，实现了涂镀层辨识、翻新报警、数据联网等功能，已获得包括中国电科院在内的3家权威机构的检验检测认证，在甘肃电网基建现场及物资库房的质量抽检中得到广泛使用，并在青海、新疆、宁夏等地开展了试点应用，成果应用价值高，推广前景好。国网甘肃电科院将继续加大研究投入，不断推动技术创新和成果转化，为能源行业的发展作出更大的贡献。

KLA科磊快速压痕技术对隔热涂层的测试什么是隔热涂层？隔热涂层（TBC）是一种多层多组分材料,如下图所示，应用于各种结构性组件中提供隔热和抗氧化的保护功能1。TBC中不同的微观结构特征，如热喷涂涂层的薄膜边界、孔隙度、涂层间界面、裂纹等，通常会极大地增加测试的难度。图 1. （a）多层、多功能的隔热涂层的示意图《MRS Bulletin》（b）隔热涂层的横截面的扫描电镜图KLA Instruments的测试方法利用KLA发明的 NanoBlitz 3D 压痕技术对TBC 涂层进行测试，每个压痕点测试只需不到一秒，可在微米尺度上对涂层和热循环类的样品的粘结层、表层涂层和粘结层—表面涂层的界面区域等进行各种不同范围的Mapping成像，单张Mapping最多可达100000个压痕点。结果与分析粘结层—表面涂层的界面区域是 TBC研究的重点之一，其微观结构及相应力学性能的变化，会影响到TBC 的热循环寿命。该界面处最重要的考量就是热生长氧化 (TGO) 层的形成，TGO是在高温条件下，粘结层的β-NiAl的内部扩散铝与通过表层涂层渗透的氧发生反应而成，TGO 层可防止粘结层和下面的衬底进一步的氧化，但TGO超过一定的临界厚度，又会导致严重的应变不兼容和应力失配，从而使 TBC 逐渐损坏并最终产生剥离2、3。下图显示了典型的等离子喷涂涂层的变化过程，TGO 的厚度会随着热循环次数的增加而增大。对应的硬度和弹性模量Mapping结果也显示出类似的趋势，同时，从硬度mapping图中也可以观察到粘结层一侧的作为铝源的 β-NiAl 相随热循环次数的增加而逐渐耗尽。图 2. （a，第一列）涂层状态下的 TGO 生长状况的硬度和弹性模量 mapping 图；（b，第二列） 5 次热循环后的 TGO 生长状况的硬度和弹性模量 mapping 图；（c，第三列）10 次热循环后的 TGO 生长状况的硬度和弹性模量 mapping 图；以及（d，第四列）100 次热循环后的 TGO 生长状况的硬度和弹性模量 mapping 图。TGO 生长引起的弹性模量差异会导致失配应力的发展，该失配应力又导致界面之上的表层涂层产生微裂纹，如上图（d，第四列）所示的mapping结果捕捉到了裂纹区域的硬度和弹性模量的降低现象。KLA的“Cluster”算法可以对不同物相的mapping数据反卷积处理并保留它的空间信息，即对相应的力学mapping图进行重构，如下图所示。图(c) 的Cluster的硬度mapping图清晰的展示出三组硬度明显不同的物相：（1）β-NiAl、（2）γ/γ‘-Ni 和（3）内部氧化产生的氧化物。图 3 .五次热循环后粘结层的（a）微结构图，（b）硬度mapping图（c） Cluster 后的结果。总结与结论KLA 的 NanoBlitz 3D 快速mapping技术可适用于隔热涂层的研究：TBC 不同膜层的界面区以及多孔的表面涂层的研究，甚至可以借助mapping技术获得的大量数据来预测 TBC 样品的剩余寿命。如想了解更多产品参数相关内容，欢迎通过仪器信息网和我们取得联系！ 400-801-5101

上接：晶圆表面缺陷检测方法综述【上】4. 基于机器学习的晶圆表面缺陷检测机器学习主要是将一个具体的问题抽象成一个数学模型，通过数学方法求解模型，求解该问题，然后评估该模型对该问题的影响。根据训练数据的特点，分为监督学习、无监督学习和半监督学习。本文主要讨论这三种机器学习方法在晶圆表面缺陷检测中的应用。机器学习模型比较如表2所示。表 2.机器学习算法的比较。分类算法创新局限监督学习KNN系列对异常数据不敏感，准确率高。复杂度高，计算强度高。决策树-Radon应用Radon以形成新的缺陷特征。过拟合非常熟练。SVMSVM 可对多变量、多模态和不可分割的数据点进行高效分类。它对多个样本不友好，内核函数难以定位。无监督学习多层感知器聚类算法采用多层感知器增强特征提取能力。取决于激活函数的选择。DBSCAN可以根据缺陷模式特征有选择地去除异常值。样本密度不均匀或样本过大，收敛时间长，聚类效果差。SOM高维数据可以映射到低维空间，保持高维空间的结构。目标函数不容易确定。半监督学习用于增强标记的半监督框架将监督集成学习与无监督SOM相结合，构建了半监督模型。培训既费时又费时。半监督增量建模框架通过主动学习和标记样本来增强模型性能，从而提高模型性能。性能取决于标记的数据量。4.1. 监督学习监督学习是一种学习模型，它基于该模型对所需的新数据样本进行预测。监督学习是目前晶圆表面缺陷检测中广泛使用的机器学习算法，在目标检测领域具有较高的鲁棒性。Yuan，T等提出了一种基于k-最近邻（KNN）的噪声去除技术，该技术利用k-最近邻算法将全局缺陷和局部缺陷分离，提供晶圆信息中所有聚合的局部缺陷信息，通过相似聚类技术将缺陷分类为簇，并利用聚类缺陷的参数化模型识别缺陷簇的空间模式。Piao M等提出了一种基于决策树的晶圆缺陷模式识别方法。利用Radon变换提取缺陷模式特征，采用相关性分析法测度特征之间的相关性，将缺陷特征划分为特征子集，每个特征子集根据C4.5机制构建决策树。对决策树置信度求和，并选择总体置信度最高的类别。决策树在特定类别的晶圆缺陷检测中表现出更好的性能，但投影的最大值、最小值、平均值和标准差不足以代表晶圆缺陷的所有空间信息，因此边缘缺陷检测性能较差。支持向量机（SVM）在监督学习中也是缺陷检测的成熟应用。当样本不平衡时，k-最近邻算法分类效果较差，计算量大。决策树也有类似的问题，容易出现过度拟合。支持向量机在小样本和高维特征的分类中仍然具有良好的性能，并且支持向量机的计算复杂度不依赖于输入空间的维度，并且多类支持向量机对过拟合问题具有鲁棒性，因此常被用作分类器。R. Baly等使用支持向量机（SVM）分类器将1150张晶圆图像分为高良率和低良率两类，然后通过对比实验证明，相对于决策树，k-最近邻（KNN）、偏最小二乘回归（PLS回归）和广义回归神经网络（GRNN），非线性支持向量机模型优于上述四种晶圆分类方法。多类支持向量机在晶圆缺陷模式分类中具有更好的分类精度。L. Xie等提出了一种基于支持向量机算法的晶圆缺陷图案检测方案。采用线性核、高斯核和多项式核进行选择性测试，通过交叉验证选择测试误差最小的核进行下一步的支持向量机训练。支持向量机方法可以处理图像平移或旋转引起的误报问题。与神经网络相比，支持向量机不需要大量的训练样本，因此不需要花费大量时间训练数据样本进行分类。为复合或多样化数据集提供更强大的性能。4.2. 无监督学习在监督学习中，研究人员需要提前将缺陷样本类型分类为训练的先验知识。在实际工业生产中，存在大量未知缺陷，缺陷特征模糊不清，研究者难以通过经验进行判断和分类。在工艺开发的早期阶段，样品注释也受到限制。针对这些问题，无监督学习开辟了新的解决方案，不需要大量的人力来标记数据样本，并根据样本之间的特征关系进行聚类。当添加新的缺陷模式时，无监督学习也具有优势。近年来，无监督学习已成为工业缺陷检测的重要研究方向之一。晶圆图案上的缺陷图案分类不均匀，特征不规则，无监督聚类算法对这种情况具有很强的鲁棒性，广泛用于检测复杂的晶圆缺陷图案。由于簇状缺陷（如划痕、污渍或局部失效模式）导致难以检测，黄振提出了一种解决该问题的新方法。提出了一种利用自监督多层感知器检测缺陷并标记所有缺陷芯片的自动晶圆缺陷聚类算法（k-means聚类）。Jin C H等提出了一种基于密度的噪声应用空间聚类（DBSCAN）的晶圆图案检测与分类框架，该框架根据缺陷图案特征选择性地去除异常值，然后提取的缺陷特征可以同时完成异常点和缺陷图案的检测。Yuan， T等提出了一种多步晶圆分析方法，该方法基于相似聚类技术提供不同精度的聚类结果，根据局部缺陷模式的空间位置识别出种混合型缺陷模式。利用位置信息来区分缺陷簇有一定的局限性，当多个簇彼此靠近或重叠时，分类效果会受到影响。Di Palma，F等采用无监督自组织映射（SOM）和自适应共振理论（ART1）作为晶圆分类器，对1种不同类别的晶圆进行了模拟数据集测试。SOM 和 ART1 都依靠神经元之间的竞争来逐步优化网络以进行无监督分类。由于ART是通过“AND”逻辑推送到参考向量的，因此在处理大量数据集时，计算次数增加，无法获得缺陷类别的实际数量。调整网络标识阈值不会带来任何改进。SOM算法可以将高维输入数据映射到低维空间，同时保持输入数据在高维空间中的拓扑结构。首先，确定神经元的类别和数量，并通过几次对比实验确定其他参数。确定参数后，经过几个学习周期后，数据达到渐近值，并且在模拟数据集和真实数据集上都表现良好。4.3. 半监督学习半监督学习是一种结合了监督学习和无监督学习的机器学习方法。半监督学习可以使用少量的标记数据和大量的未标记数据来解决问题。基于集成的半监督学习过程如图 8 所示。避免了完全标记样品的成本消耗和错误标记。半监督学习已成为近年来的研究热点。图8.基于集成的半监督学习监督学习通常能获得良好的识别结果，但依赖于样本标记的准确性。晶圆数据样本可能存在以下问题。首先是晶圆样品数据需要专业人员手动标记。手动打标过程是主观的，一些混合缺陷模式可能会被错误标记。二是某些缺陷模式的样本不足。第三，一些缺陷模式一开始就没有被标记出来。因此，无监督学习方法无法发挥其性能。针对这一问题，Katherine Shu-Min Li等人提出了一种基于集成的半监督框架，以实现缺陷模式的自动分类。首先，在标记数据上训练监督集成学习模型，然后通过该模型训练未标记的数据。最后，利用无监督学习算法对无法正确分类的样本进行处理，以达到增强的标记效果，提高晶圆缺陷图案分类的准确性。Yuting Kong和Dong Ni提出了一种用于晶圆图分析的半监督增量建模框架。利用梯形网络改进的半监督增量模型和SVAE模型对晶圆图进行分类，然后通过主动学习和伪标注提高模型性能。实验表明，它比CNN模型具有更好的性能。5. 基于深度学习的晶圆表面缺陷检测近年来，随着深度学习算法的发展、GPU算力的提高以及卷积神经网络的出现，计算机视觉领域得到了定性的发展，在表面缺陷检测领域也得到了广泛的应用。在深度学习之前，相关人员需要具备广泛的特征映射和特征描述知识，才能手动绘制特征。深度学习使多层神经网络能够通过抽象层自动提取和学习目标特征，并从图像中检测目标对象。Cheng KCC等分别使用机器学习算法和深度学习算法进行晶圆缺陷检测。他们使用逻辑回归、支持向量机（SVM）、自适应提升决策树（ADBT）和深度神经网络来检测晶圆缺陷。实验证明，深度神经网络的平均准确率优于上述机器学习算法，基于深度学习的晶圆检测算法具有更好的性能。根据不同的应用场景和任务需求，将深度学习模型分为分类网络、检测网络和分割网络。本节讨论创新并比较每个深度学习网络模型的性能。5.1. 分类网络分类网络是较老的深度学习算法之一。分类网络通过卷积、池化等一系列操作，提取输入图像中目标物体的特征信息，然后通过全连接层，根据预设的标签类别进行分类。网络模型如图 9 所示。近年来，出现了许多针对特定问题的分类网络。在晶圆缺陷检测领域，聚焦缺陷特征，增强特征提取能力，推动了晶圆检测的发展。图 9.分类网络模型结构图在晶圆制造过程中，几种不同类型的缺陷耦合在晶圆中，称为混合缺陷。这些类型的缺陷复杂多变且随机性强，已成为半导体公司面临的主要挑战。针对这一问题，Wang J等提出了一种用于晶圆缺陷分类的混合DPR（MDPR）可变形卷积网络（DC-Net）。他们设计了可变形卷积的多标签输出和一热编码机制层，将采样区域聚焦在缺陷特征区域，有效提取缺陷特征，对混合缺陷进行分类，输出单个缺陷，提高混合缺陷的分类精度。Kyeong和Kim为混合缺陷模式的晶圆图像中的每种缺陷设计了单独的分类模型，并通过组合分类器网络检测了晶圆的缺陷模式。作者使用MPL、SVM和CNN组合分类器测试了六种不同模式的晶圆映射数据库，只有作者提出的算法被正确分类。Takeshi Nakazawa和Deepak V. Kulkarni使用CNN对晶圆缺陷图案进行分类。他们使用合成生成的晶圆图像训练和验证了他们的CNN模型。此外，提出了一种利用模拟生成数据的方法，以解决制造中真实缺陷类别数据不平衡的问题，并达到合理的分类精度。这有效解决了晶圆数据采集困难、可用样品少的问题。分类网络模型对比如表3所示。表3. 分类网络模型比较算法创新Acc直流网络采样区域集中在缺陷特征区域，该区域对混合缺陷具有非常强的鲁棒性。93.2%基于CNN的组合分类器针对每个缺陷单独设计分类器，对新缺陷模式适应性强。97.4%基于CNN的分类检索方法可以生成模拟数据集来解释数据不平衡。98.2%5.2. 目标检测网络目标检测网络不仅可以对目标物体进行分类，还可以识别其位置。目标检测网络主要分为两种类型。第一种类型是两级网络，如图10所示。基于区域提案网络生成候选框，然后对候选框进行分类和回归。第二类是一级网络，如图11所示，即端到端目标检测，直接生成目标对象的分类和回归信息，而不生成候选框。相对而言，两级网络检测精度更高，单级网络检测速度更快。检测网络模型的比较如表4所示。图 10.两级检测网络模型结构示意图图 11.一级检测网络模型结构示意图表4. 检测网络模型比较算法创新AccApPCACAE基于二维主成分分析的级联辊类型自动编码。97.27%\YOLOv3-GANGAN增强了缺陷模式的多样性，提高了YOLOv3的通用性。\88.72%YOLOv4更新了骨干网络，增强了 CutMix 和 Mosaic 数据。94.0%75.8%Yu J等提出了一种基于二维主成分分析的卷积自编码器的深度神经网络PCACAE，并设计了一种新的卷积核来提取晶圆缺陷特征。产品自动编码器级联，进一步提高特征提取的性能。针对晶圆数据采集困难、公开数据集少等问题，Ssu-Han Chen等首次采用生成对抗网络和目标检测算法YOLOv3相结合的方法，对小样本中的晶圆缺陷进行检测。GAN增强了缺陷的多样性，提高了YOLOv3的泛化能力。Prashant P. SHINDE等提出使用先进的YOLOv4来检测和定位晶圆缺陷。与YOLOv3相比，骨干提取网络从Darknet-19改进为Darknet-53，并利用mish激活函数使网络鲁棒性。粘性增强，检测能力大大提高，复杂晶圆缺陷模式的检测定位性能更加高效。5.3. 分段网络分割网络对输入图像中的感兴趣区域进行像素级分割。大部分的分割网络都是基于编码器和解码器的结构，如图12所示是分割网络模型结构示意图。通过编码器和解码器，提高了对目标物体特征的提取能力，加强了后续分类网络对图像的分析和理解。在晶圆表面缺陷检测中具有良好的应用前景。图 12.分割网络模型结构示意图。Takeshi Nakazawa等提出了一种深度卷积编码器-解码器神经网络结构，用于晶圆缺陷图案的异常检测和分割。作者设计了基于FCN、U-Net和SegNet的三种编码器-解码器晶圆缺陷模式分割网络，对晶圆局部缺陷模型进行分割。晶圆中的全局随机缺陷通常会导致提取的特征出现噪声。分割后，忽略了全局缺陷对局部缺陷的影响，而有关缺陷聚类的更多信息有助于进一步分析其原因。针对晶圆缺陷像素类别不平衡和样本不足的问题，Han Hui等设计了一种基于U-net网络的改进分割系统。在原有UNet网络的基础上，加入RPN网络，获取缺陷区域建议，然后输入到单元网络进行分割。所设计的两级网络对晶圆缺陷具有准确的分割效果。Subhrajit Nag等人提出了一种新的网络结构 WaferSegClassNet，采用解码器-编码器架构。编码器通过一系列卷积块提取更好的多尺度局部细节，并使用解码器进行分类和生成。分割掩模是第一个可以同时进行分类和分割的晶圆缺陷检测模型，对混合晶圆缺陷具有良好的分割和分类效果。分段网络模型比较如表5所示。表 5.分割网络模型比较算法创新AccFCN将全连接层替换为卷积层以输出 2D 热图。97.8%SegNe结合编码器-解码器和像素级分类层。99.0%U-net将每个编码器层中的特征图复制并裁剪到相应的解码器层。98.9%WaferSegClassNet使用共享编码器同时进行分类和分割。98.2%第6章 结论与展望随着电子信息技术的不断发展和光刻技术的不断完善，晶圆表面缺陷检测在半导体行业中占有重要地位，越来越受到该领域学者的关注。本文对晶圆表面缺陷检测相关的图像信号处理、机器学习和深度学习等方面的研究进行了分析和总结。早期主要采用图像信号处理方法，其中小波变换方法和空间滤波方法应用较多。机器学习在晶圆缺陷检测方面非常强大。k-最近邻（KNN）、决策树（Decision Tree）、支持向量机（SVM）等算法在该领域得到广泛应用，并取得了良好的效果。深度学习以其强大的特征提取能力为晶圆检测领域注入了活力。最新的集成电路制造技术已经发展到4 nm，预测表明它将继续朝着更小的规模发展。然而，随着这些趋势的出现，晶圆上表面缺陷的复杂性也将增加，对模型的可靠性和鲁棒性提出了更严格的挑战。因此，对这些缺陷的分析和处理对于确保集成电路的高质量制造变得越来越重要。虽然在晶圆表面缺陷分析领域取得了一些成果，但仍存在许多问题和挑战。1、晶圆缺陷的公开数据集很少。由于晶圆生产和贴标成本高昂，高质量的公开数据集很少，为数不多的数据集不足以支撑训练。可以考虑创建一个合成晶圆缺陷数据库，并在现有数据集上进行数据增强，为神经网络提供更准确、更全面的数据样本。由于梯度特征中缺陷类型的多功能性，可以使用迁移学习来解决此类问题，主要是为了解决迁移学习中的负迁移和模型不适用性等问题。目前尚不存在灵活高效的迁移模型。利用迁移学习解决晶圆表面缺陷检测中几个样品的问题，是未来研究的难题。2、在晶圆制造过程中，不断产生新的缺陷，缺陷样本的数量和类型不断积累。使用增量学习可以提高网络模型对新缺陷的识别准确率和保持旧缺陷分类的能力。也可作为扩展样本法的研究方向。3、随着技术进步的飞速发展，芯片特征尺寸越来越小、越来越复杂，导致晶圆中存在多种缺陷类型，缺陷相互折叠，导致缺陷特征不均匀、不明显。增加检测难度。多步骤、多方法混合模型已成为检测混合缺陷的主流方法。如何优化深度网络模型的性能，保持较高的检测效率，是一个亟待进一步解决的问题。4、在晶圆制造过程中，不同用途的晶圆图案会产生不同的缺陷。目前，在单个数据集上训练的网络模型不足以识别所有晶圆中用于不同目的的缺陷。如何设计一个通用的网络模型来检测所有缺陷，从而避免为所有晶圆缺陷数据集单独设计训练模型造成的资源浪费，是未来值得思考的方向。5、缺陷检测模型大多为离线模型，无法满足工业生产的实时性要求。为了解决这个问题，需要建立一个自主学习模型系统，使模型能够快速学习和适应新的生产环境，从而实现更高效、更准确的缺陷检测。原文链接:Electronics | Free Full-Text | Review of Wafer Surface Defect Detection Methods (mdpi.com)

摘要晶圆表面缺陷检测在半导体制造中对控制产品质量起着重要作用，已成为计算机视觉领域的研究热点。然而，现有综述文献中对晶圆缺陷检测方法的归纳和总结不够透彻，缺乏对各种技术优缺点的客观分析和评价，不利于该研究领域的发展。本文系统分析了近年来国内外学者在晶圆表面缺陷检测领域的研究进展。首先，介绍了晶圆表面缺陷模式的分类及其成因。根据特征提取方法的不同，目前主流的方法分为三类：基于图像信号处理的方法、基于机器学习的方法和基于深度学习的方法。此外，还简要介绍了代表性算法的核心思想。然后，对每种方法的创新性进行了比较分析，并讨论了它们的局限性。最后，总结了当前晶圆表面缺陷检测任务中存在的问题和挑战，以及该领域未来的研究趋势以及新的研究思路。1.引言硅晶圆用于制造半导体芯片。所需的图案是通过光刻等工艺在晶圆上形成的，是半导体芯片制造过程中非常重要的载体。在制造过程中，由于环境和工艺参数等因素的影响，晶圆表面会产生缺陷，从而影响晶圆生产的良率。晶圆表面缺陷的准确检测，可以加速制造过程中异常故障的识别以及制造工艺的调整，提高生产效率，降低废品率。晶圆表面缺陷的早期检测往往由经验丰富的检测人员手动进行，存在效率低、精度差、成本高、主观性强等问题，不足以满足现代工业化产品的要求。目前，基于机器视觉的缺陷检测方法[1]在晶圆检测领域已经取代了人工检测。传统的基于机器视觉的缺陷检测方法往往采用手动特征提取，效率低下。基于计算机视觉的检测方法[2]的出现，特别是卷积神经网络等神经网络的出现，解决了数据预处理、特征表示和提取以及模型学习策略的局限性。神经网络以其高效率、高精度、低成本、客观性强等特点，迅速发展，在半导体晶圆表面缺陷检测领域得到广泛应用。近年来，随着智能终端和无线通信设施等电子集成电路的发展，以及摩尔定律的推广，在全球对芯片的需求增加的同时，光刻工艺的精度也有所提高。随着技术的进步，工艺精度已达到10纳米以下[5]。因此，对每个工艺步骤的良率提出了更高的要求，对晶圆制造中的缺陷检测技术提出了更大的挑战。本文主要总结了晶圆表面缺陷检测算法的相关研究，包括传统的图像处理、机器学习和深度学习。根据算法的特点，对相关文献进行了总结和整理，对晶圆缺陷检测领域面临的问题和挑战进行了展望和未来发展。本文旨在帮助快速了解晶圆表面缺陷检测领域的相关方法和技能。2. 晶圆表面缺陷模式在实际生产中，晶圆上的缺陷种类繁多，形状不均匀，增加了晶圆缺陷检测的难度。在晶圆缺陷的类型中，无图案晶圆缺陷和图案化晶圆缺陷是晶圆缺陷的两种主要形式。这两类缺陷是芯片故障的主要原因。无图案晶圆缺陷多发生在晶圆生产的预光刻阶段，即由机器故障引起的晶圆缺陷。划痕缺陷如图1a所示，颗粒污染缺陷如图1b所示。图案化晶圆缺陷多见于晶圆生产的中间工序。曝光时间、显影时间和烘烤后时间不当会导致光刻线条出现缺陷。螺旋激励线圈和叉形电极的微纳制造过程中晶圆表面产生的缺陷如图2所示。开路缺陷如图2 a所示，短路缺陷如图2 b所示，线路污染缺陷如图2 c所示，咬合缺陷如图2d所示。图1.（a）无图案晶圆的划痕缺陷；（b）无图案晶圆中的颗粒污染。图2.（a）开路缺陷，（b）短路缺陷，（c）线路污染，以及（d）图案化晶圆缺陷图中的咬合缺陷。由于上述晶圆缺陷的存在，在对晶圆上所有芯片进行功能完整性测试时，可能会发生芯片故障。芯片工程师用不同的颜色标记测试结果，以区分芯片的位置。在不同操作过程的影响下，晶圆上会产生相应的特定空间图案。晶圆图像数据，即晶圆图，由此生成。正如Hansen等在1997年指出的那样，缺陷芯片通常具有聚集现象或表现出一些系统模式，而这种缺陷模式通常包含有关工艺条件的必要信息。晶圆图不仅可以反映芯片的完整性，还可以准确描述缺陷数据对应的空间位置信息。晶圆图可能在整个晶圆上表现出空间依赖性，芯片工程师通常可以追踪缺陷的原因并根据缺陷类型解决问题。Mirza等将晶圆图缺陷模式分为一般类型和局部类型，即全局随机缺陷和局部缺陷。晶圆图缺陷模式图如图3所示，局部缺陷如图3 a所示，全局随机缺陷如图3b所示。全局随机缺陷是由不确定因素产生的，不确定因素是没有特定聚类现象的不可控因素，例如环境中的灰尘颗粒。只有通过长期的渐进式改进或昂贵的设备大修计划，才能减少全局随机缺陷。局部缺陷是系统固有的，在晶圆生产过程中受到可控因素的影响，如工艺参数、设备问题和操作不当。它们反复出现在晶圆上，并表现出一定程度的聚集。识别和分类局部缺陷，定位设备异常和不适当的工艺参数，对提高晶圆生产良率起着至关重要的作用。图3.（a）局部缺陷模式（b）全局缺陷模式。对于面积大、特征尺寸小、密度低、集成度低的晶圆图案，可以用电子显微镜观察光刻路径，并可直接进行痕量检测。随着芯片电路集成度的显著提高，进行芯片级检测变得越来越困难。这是因为随着集成度的提高，芯片上的元件变得更小、更复杂、更密集，从而导致更多的潜在缺陷。这些缺陷很难通过常规的检测方法进行检测和修复，需要更复杂、更先进的检测技术和工具。晶圆图研究是晶圆缺陷检测的热点。天津大学刘凤珍研究了光刻设备异常引起的晶圆图缺陷。针对晶圆实际生产过程中的缺陷，我们通过设备实验对光刻胶、晶圆粉尘颗粒、晶圆环、划痕、球形、线性等缺陷进行了深入研究，旨在找到缺陷原因，提高生产率。为了确定晶圆模式失效的原因，吴明菊等人从实际制造中收集了811,457张真实晶圆图，创建了WM-811K晶圆图数据集，这是目前应用最广泛的晶圆图。半导体领域专家为该数据集中大约 20% 的晶圆图谱注释了八种缺陷模式类型。八种类型的晶圆图缺陷模式如图4所示。本综述中引用的大多数文章都基于该数据集进行了测试。图4.八种类型的晶圆映射缺陷模式类型：（a）中心、（b）甜甜圈、（c）边缘位置、（d）边缘环、（e）局部、（f）接近满、（g）随机和（h）划痕。3. 基于图像信号处理的晶圆表面缺陷检测图像信号处理是将图像信号转换为数字信号，再通过计算机技术进行处理，实现图像变换、增强和检测。晶圆检测领域常用的有小波变换（WT）、空间滤波（spatial filtering）和模板匹配（template matching）。本节主要介绍这三种算法在晶圆表面缺陷检测中的应用。图像处理算法的比较如表1所示。表 1.图像处理算法的比较。模型算法创新局限小波变换 图像可以分解为多种分辨率，并呈现为具有不同空间频率的局部子图像。防谷物。阈值的选择依赖性很强，适应性差。空间滤波基于空间卷积，去除高频噪声，进行边缘增强。性能取决于阈值参数。模板匹配模板匹配算法抗噪能力强，计算速度快。对特征对象大小敏感。3.1. 小波变换小波变换（WT）是一种信号时频分析和处理技术。首先，通过滤波器将图像信号分解为不同的频率子带，进行小波分解 然后，通过计算小波系数的平均值、标准差或其他统计度量，分析每个系数以检测任何异常或缺陷。异常或缺陷可能表现为小波系数的突然变化或异常值。根据分析结果，使用预定义的阈值来确定信号中的缺陷和异常，并通过识别缺陷所在的时间和频率子带来确定缺陷的位置。小波分解原理图如图5所示，其中L表示低频信息，H表示高频信息。每次对图像进行分解时，图像都会分解为四个频段：LL、LH、HL 和 HH。下层分解重复上层LL带上的分解。小波变换在晶圆缺陷特征的边界处理和多尺度边缘检测中具有良好的性能。图5.小波分解示意图。Yeh等提出了一种基于二维小波变换（2DWT）的方法，该方法通过修正小波变换模量（WTMS）计算尺度系数之间的比值，用于晶圆缺陷像素的定位。通过选择合适的小波基和支撑长度，可以使用少量测试数据实现晶圆缺陷的准确检测。图像预处理阶段耗费大量时间，严重影响检测速度。Wen-Ren Yang等提出了一种基于短时离散小波变换的晶圆微裂纹在线检测系统。无需对晶圆图像进行预处理。通过向晶圆表面发射连续脉冲激光束，通过空间探针阵列采集反射信号，并通过离散小波变换进行分析，以确定微裂纹的反射特性。在加工的情况下，也可以对微裂纹有更好的检测效果。多晶太阳能硅片表面存在大量随机晶片颗粒，导致晶圆传感图像纹理不均匀。针对这一问题，Kim Y等提出了一种基于小波变换的表面检测方法，用于检测太阳能硅片缺陷。为了更好地区分缺陷边缘和晶粒边缘，使用两个连续分解层次的小波细节子图的能量差作为权重，以增强每个分解层次中提出的判别特征。实验结果表明，该方法对指纹和污渍有较好的检测效果，但对边缘锋利的严重微裂纹缺陷无效，不能适用于所有缺陷。3.2. 空间过滤空间滤波是一种成熟的图像增强技术，它是通过直接对灰度值施加空间卷积来实现的。图像处理中的主要作用是图像去噪，分为平滑滤镜和锐化滤镜，广泛应用于缺陷检测领域。图6显示了图像中中值滤波器和均值滤波器在增加噪声后的去噪效果。图6.滤波去噪效果图：（a）原始图像，（b）中值滤波去噪，（c）均值滤光片去噪。Ohshige等提出了一种基于空间频率滤波技术的表面缺陷检测系统。该方法可以有效地检测晶圆上的亚微米缺陷或异物颗粒。晶圆制造中随机缺陷的影响。C.H. Wang提出了一种基于空间滤波、熵模糊c均值和谱聚类的晶圆缺陷检测方法，该方法利用空间滤波对缺陷区域进行去噪和提取，通过熵模糊c均值和谱聚类获得缺陷区域。结合均值和谱聚类的混合算法用于缺陷分类。它解决了传统统计方法无法提取具有有意义的分类的缺陷模式的问题。针对晶圆中的成簇缺陷，Chen SH等开发了一种基于中值滤波和聚类方法的软件工具，所提算法有效地检测了缺陷成簇。通常，空间过滤器的性能与参数高度相关，并且通常很难选择其值。3.3. 模板匹配模板匹配检测是通过计算模板图像与被测图像之间的相似度来实现的，以检测被测图像与模板图像之间的差异区域。Han H等从晶圆图像本身获取的模板混入晶圆制造工艺的设计布局方案中，利用物理空间与像素空间的映射，设计了一种结合现有圆模板匹配检测新方法的晶圆图像检测技术。刘希峰结合SURF图像配准算法，实现了测试晶圆与标准晶圆图案的空间定位匹配。测试图像与标准图像之间的特征点匹配结果如图7所示。将模式识别的轮廓提取技术应用于晶圆缺陷检测。Khalaj等提出了一种新技术，该技术使用高分辨率光谱估计算法提取晶圆缺陷特征并将其与实际图像进行比较，以检测周期性2D信号或图像中不规则和缺陷的位置。图7.测试图像与标准图像之间的特征点匹配结果。下接：晶圆表面缺陷检测方法综述【下】

为了更好地帮助仪器用户通过此次财政贴息贷款选购适合的仪器设备，仪器信息网联合多家优质仪器厂商上线了专门的仪器展示专题，提升用户选购仪器的效率；同时面向广大仪器厂商发起征稿活动，仪器厂商可围绕“2000亿贴息贷款政策下，如何助力快速选型采购”这一主题进行原创稿件创作（字数1000字左右），稿件一经采用将发布在仪器信息网上并收录到相关专题中。专题链接：https://www.instrument.com.cn/topic/txdk2022.html近期，2000亿贴息贷款政策正进行的如火如荼，高校和相关企业都在加紧申报购买需要的仪器设备。金属材料，作为目前工业中使用量最大的材料种类，一直就是科研攻关的热点领域，同时，相关企业生产也离不开金属材料的检测分析。为了帮助高校和相关企业更好更快的选择心仪的仪器设备，朗铎科技特别推出了此文章，希望对金属材料及涂层相关的高校和生产企业提供一定的帮助。对于生产企业来说，为保障产品的可靠性和生产过程中的和安全性，用于制造质量保证和控制的金属合金验证十分重要。从金属生产到服务中心和分销商，从组件制造到最终产品组装——材料混淆的可能性非常大，可追溯性的需求现在是重中之重。对于生产企业金属材料检测可以采用的检测方式有很多，如原子吸收光谱法（AAS）、滴定法、电感耦合等离子体光谱法（ICP）等，但这些方法都无法做到无损检测，而且检测周期长，无法对来料进行全部检测，这时候X射线荧光光谱法（XRF）就可以大展拳脚！XRF的优势在于无损、快速、准确，可以对所有来料进行快速筛查，对生产过程中的质量进行实时监控，是相关金属企业的必备工具，其中手持式XRF使用最为广泛，它方便携带，且可以检测成品及一些不好触及的位置，已经成为一些企业的必备仪器。手持式XRF分析仪可在多个领域进行材料检查：1. 过程物料识别——管道系统和其他工艺组件的例行检查，以确保加工流中不存在不相容合金（Retro PMI）2.维护和制造相关的材料标识——确保在施工和维护程序（新管道、阀门等）期间不会将不相容的合金插入工艺流中。3. 来料 QA/QC——确保您收到的材料与订单相符4. 出货 QA/QC——对客户进行最终检验和认证装运5.库存管理与恢复——确保材料的隔离受到控制，也可协助回收“丢失”的材料以正确地重新放入供应链除上述合金材料外，金属涂层工艺在金属制造中也非常普遍，其工艺可用于装饰目的或增强金属制品表面的物理或化学性能。金属镀层可用于增强金属的耐蚀性、耐磨性、耐热性、导电性、附着力、可焊性和润滑性。涂层过厚会显着增加制造成本，而涂层过薄会导致产品失效。为了避免这些可能，控制涂层重量或涂层厚度在金属表面处理、制造、汽车和航空航天工业中至关重要，以确保组件具有正确的特性并同时优化生产成本。过去，XRF分析技术一直用于固定式或台式仪器测量涂层厚度。但是，必须将样品放入分析仪样品仓内或靠近分析仪样品仓以便使用固定式 XRF 方法进行分析，这使得在不切割样品的情况下测量大型和重型零件上的涂层厚度变得不切实际。现在，使用手持式 XRF 分析仪可以克服这一限制，手持式XRF涂层测厚分析技术俨然成为一种成熟的金属和合金鉴定技术。朗铎科技 Niton XL2、XL3 和 XL5 系列由朗铎科技代理的赛默飞世尔 Niton XRF 分析仪（全国总代理）可在几秒钟内提供合金等级鉴定和化学分析。它们被用于制造车间、铸造厂、服务中心和石化精炼厂，以验证来料合金、恢复丢失的材料可追溯性并确认成品——所有这些都是无损完成的。朗铎科技的客户已经确定他们不能再依赖工厂测试报告 (MTR)，而是亲自动手来确认材料成分的全检。 从低合金钢到不锈钢再到超级合金，从钛合金到稀有元素——Niton 合金分析仪为您提供无法从一张纸上获得的材料可靠性信心。从最简单的到最复杂的涂层样品，Niton 手持式XRF分析仪涂层模式均可满足分析要求，并提供准确的结果。用 Niton 手持式XRF分析仪进行涂层分析的操作界面简单直观，用户可根据 AISI/ASTM、DIN 或 GB 标准选择涂层类型，并使用元素列表或可用合金库输入涂层和基材的组成即可使用，近乎“开箱即用”无过多调整及设置。为确保满足客户的涂层规格，需要在生产前、在线或最终产品 检验期间进行质量控制。Niton XRF 分析仪帮助操作员: • 通过测量金属等级和成分，确保收到的货物与采购订单相符 • 通过最小化生产错误降低生产成本- 涂层太薄Niton XRF 分析仪可能导致耐腐蚀性差、保修成本高和 / 或产品故障 - 涂层太厚会增加生产成本- 无损分析意味着不需要切割或损坏高价值产品 • 通过多次测量和自动平均，确保整个产品的涂层一致，从而提高质量 • 提供更快的运行速度，立即产生结果，无需样品制备(与统计取样和实验室分析相比，后者耗时) • 通过简单的报表生成工具生成质量报告和证书 • 创建从进货检验到产品出厂的产品审计跟踪 • 遵守国际方法 ISO 3497 和 ASTM B568，实现安全生产 无论是在现场还是在车间，Niton XRF 分析仪都能使您随时应对最具挑战的工业环境，操作人员可检测各种材料，满足不同分析需求。识别纯金属和合金，检测杂质元素或获取涂镀层数据，真正实现多应用合一—— Niton XRF分析仪随时应对各种分析挑战。 除了金属材料检测和涂层快速无损检测外，朗铎科技 Niton XRF 分析仪还可以应用于石油化工、能源电力、汽车制造、地质地矿、文博考古等领域。感兴趣的老师欢迎联系朗铎科技，点击进入朗铎科技展位（https://www.instrument.com.cn/netshow/SH103331/），了解更多信息。

p style=" text-indent: 2em " 在工业生产中，涂层最常起到抗腐蚀、抗热、抗氧化等功能。像海洋这种高盐高湿的恶劣环境，电化学腐蚀能在极短的时间内将钢铁船变成一块废铁，因此常采用阴极保护与防腐涂层结合的方法来保护船体及一些暴露在烟雾等腐蚀条件下的工件、设备或部分等。 /p p style=" text-indent: 2em " 但对于舰船燃气轮机等在高温环境下的部件来说，需要的涂层不仅要耐湿耐腐蚀，同时还要有优异的耐高温性能。最近，一种石墨烯“三防”涂层技术已在秦皇岛经济技术开发区研发成功，可应用于舰船燃气轮机、航空航天发动机高温部件保护以及舰船防盐雾及海生物腐蚀等，有力地填补了高温涂层技术应用在重盐雾地区的市场空白。 /p p style=" text-indent: 2em " 这种石墨烯“三防”涂层技术由远科秦皇岛节能环保科技开发有限公司历时3年多时间研发成功，相关涂层材料在南海、东海重盐雾地区的高温部件上挂件测试，通过6000小时连续工作验证，使原基材在不改变属性的情况下，增加3倍以上的使用寿命，经国家权威部门认定，该产品具有防霉菌、防盐雾腐蚀、抗高温氧化功效，完全可以满足高温条件下发动机热部件1500小时的应用，解决了我国在这一领域的技术难题。 /p p style=" text-indent: 2em " 据了解，这种石墨烯涂料主要是碳原子和稀土氧化物原子复合而成，这种复合性碳原子保护共性材料，使基础材料强度增强，形成了超保护薄膜，从而改变了隔热系数。 /p p style=" text-indent: 2em " 据远科秦皇岛节能环保科技开发有限公司总经理闫俊良透露，随着我国在石墨烯涂层技术上取得突破，它的应用领域会逐渐扩展，“三防”涂层技术除可应用于我国舰船燃气轮机、航空发动机领域外，还可在各种远洋运输船、游轮等民用船舶上使用。这种材料一旦得到应用，预计每年可为我国节省维护费用上百亿元，并使各类装备的使用寿命和强度大幅提升。 /p

近年来，随着锂离子电池产品的大量应用，锂电已日益成为我们日常最为便捷的动力来源，随之而来的锂电池安全问题也越来越受到大家的关注。锂电池的整体安全性由多种复杂的因素构成，而其中由于短路原因引起的热失控问题占到了相当的比例。锂电池的短路除了常见的外部短路外，其内部隔膜的破损也是导致其内部发生短路的重要原因之一。 在隔膜破损的种种诱因中，锂枝晶是众多分析和研究的众矢之的。锂电池在重复的充放电过程中，由于工艺、材料、过充、大电流充电、低温下充电等原因，金属锂会不可避免的析出，这些析出的锂会逐渐沉积形成锂枝晶，从而成为锂电池潜在的风险。锂枝晶有多种形态，其中树枝状的金属锂在生长、沉积的过程中，达到一定程度时会穿透隔膜，从而导致电池内部发生短路，这种短路往往会造成灾难性的后果。 LLOYD材料力学试验机（LLOYD材料试验机）提供完整的锂电池隔膜力学性能测试，主要包括隔膜拉伸强度、延伸率、穿刺强度，剥离强度（涂层复合膜）等。同时LLOYD材料力学测试系统（LLOYD材料试验机）可以完成高精度的锂电池强制内短路测试，确保锂电池更加安全。 今天我们来介绍阿美特克锂电池材料试验解决方案第三讲——锂离子电池涂层隔膜剥离试验。锂离子电池涂层隔膜剥离试验涂布质量的好坏直接关系到电池电性能的发挥，剥离强度试验不仅可以有效的鉴定涂布质量，显示浆料涂布强度，均匀性等指标，还可以指导涂布产线的调整，使成品更加均匀可靠。测试类似可以用180度剥离，90度剥离，可变角度的剥离等多种方式，为质控和研发提供较大的扩展空间。整套测试系统由LLOYD高精度测力传感器捕捉力值的变化，采集速率可达每秒8000点，精确捕捉力值瞬间波动量。同时，LLOYD专用NexygenPlus测控软件支持多格式数据输出，及多位置数据输出，为后续数据分析提供了极大的便利性和灵活性。LLOYD材料力学试验机（LLOYD材料试验机） LLOYD（劳埃德）测试系统（LLOYD材料试验机）源自英国，是美国AMETEK（阿美特克）集团旗下产品。LLOYD材料试验系统专注于轻工检测，以读数级精度，高达8000Hz的单通道数据采样率，最高2032mm/min的测试速度广泛应用于世界500强企业中。 LLOYD材料测试系统（LLOYD材料试验机）可准确、便捷的完成材料拉伸，压缩，弯曲，穿刺，剥离，撕裂，摩擦，蠕变，松弛，低频疲劳等多种测试项目。丰富的治具方案可在保证数据准确性的同时为用户提供极大的操作便利性。同时，作为测控系统的核心，专业的Nexygen Plus 操作软件广受广大用户的认可。软件自带庞大的国际标准库，除了ASTM, DIN, EN, ISO, JIS等国际标准，用户也可便捷的自建标准文件。

在低温条件下，室外设备的冻结已经成为一个严重的问题。特别是电路线、道路、飞机机翼、风力涡轮机等基础设施部件结冰对经济和生命安全造成了严重影响。铝(Al)及其合金具有重量轻、稳定性好、韧性高等优点，广泛应用于各个工业领域。然而，酸雨会腐蚀金属基底，冰雨会对铝结构造成严重的冰积。疏冰性被认为是通过保持基底表面尽可能无水和降低冰晶与基底之间的粘附力来延缓或减少冰在表面的积累。超疏水(SHP)表面由于其拒水和自清洁特性而具有疏冰性。Tan等通过水热反应在Al表面形成机械坚固的微纳结构，然后用十六烷基三甲氧基硅烷修饰形成SHP表面。其中水接触角(WCA)和滑动角(SA)采用光学接触角仪进行测量，水滴为10µ L。该SHP表面在酸性和碱性环境中都表现出令人印象深刻的疏水性，并表现出显著的自清洁和疏冰性能。图1. (a)裸铝、(b)铝表面微纳和(c)十六烷基三甲氧基硅烷改性SiO2微纳表面的WCA值。(d)不同酸碱溶液在SHP表面静置1min后的静态接触角。(e)在SHP表面静置30min后的水滴(红色1.0，透明7.0，黑色14.0，附有pH试纸)图片。(f)在不同溶液中浸泡30min后的耐酸碱性测试(左)和静态WCA(右):水(上)，0.1 M HCl(中)，0.1 M NaOH(下)涂层的润湿性主要受两个因素的影响:表面粗糙度和表面能，润湿性可以通过静态WCA可视化。裸铝(图1(a))、具有微纳米SiO2表面的氧化铝(图1(b))和SHP表面(图1(c))的WCA值分别为87°、134°和158°。WCA值的显著变化说明了微纳结构和十六烷基三甲氧基硅烷对SHP表面的重要性。同时，SHP表面的SA值小于5°。SHP表面也采用不锈钢和合金材料(Supplementary Movie 1)。根据Nakajima等人的报道，大的WCA和低的SA预计会导致液滴从表面滚落。图1(d)为pH 1.0 ~ 14.0溶液在SHP表面的静态WCA: WCA在148°~ 158°之间，当pH值接近7.0时，WCA值较大。图1(e)为SHP表面水滴形状(体积约60 μL, pH 1.0 ~ 14.0)。30分钟后形状没有变化。这显示出良好的耐酸性或碱性溶液。图1(f)进一步说明了SHP涂层的耐酸碱性能。左图为实验方法，右图为水(154°)、0.10 M HCl(142°)、0.10 M NaOH(143°)浸泡30 min后的WCA。这些结果表明，SHP涂层在各种酸性/碱性环境下都具有良好的性能。图2. 裸铝和SHP Al的WCA和SA在结冰状态下，进一步测量5次重复实验的WCA和SA，结果如图2所示。SHP表面的WCA约为154°，SA小于8°，而裸露Al表面的WCA约为85°，SA大于10°。因此，在SHP铝表面获得了良好的疏冰性。参考文献：[1] Tan, X., Wang, M., Tu, Y., Xiao, T., Alzuabi, S., Xiang, P., Chen, X., Icephobicity studies of superhydrophobic coating on aluminium[J]. Surface Engineering, 2020, 37(10), 1239–1245.

日前，“纳米功能涂层产业化国际论坛暨产业联合研发中心启动仪式”在杭州召开。浙江大学党委常务副书记陈子辰、浙江省科协秘书长董克军、国际溶胶凝胶协会副主席Eric、中国硅酸盐学会副秘书长谭抚、浙江省科技厅纳米专项专家组组长杨辉等出席论坛。 　　本次论坛聚焦探讨纳米功能涂层、溶胶-凝胶技术及其在眼镜等行业的应用，以促进中国眼镜等产业的技术创新及全球化发展。论坛中，浙江加州纳米研究院凯美特溶胶凝胶联合研发中心和赛凡功能图层联合研发中心正式启动。 　　与会代表建议组建浙江眼镜行业创新公共技术服务平台，攻克共性技术难关，并为企业提供个性化服务。浙江泰恒光学有限公司唐天日提出：“我们可以将3G功能和眼镜相结合，创造有特色的眼睛。只有走在市场前沿，才能更好地主导市场。”

自从我们通过不断发表理学XRT在半导体领域相关应用的文章使我们公司的XRT产品的百度搜索稳进前5之后，编者由于工作上事情比较多就开始懈怠近半年没有给大家带来最新XRT的资讯和相关应用介绍，先给关注这个产品的朋友道个歉。最近我们也获得理学总部关于这个产品的最新资讯，就迫不及待地分享给大家一睹为快。1931年，第一张单晶的形貌图最早被Berg 记录下来。Berg 利用以一个极低角度的特征辐射照射单晶，在底片上得到了点对点变化的X射线反射形貌图，图中的条纹反映了晶体内存在塑性形变[1]，从此推开了用X射线形貌技术表征晶体缺陷的大门。不同类型的晶体缺陷尺寸相差较大，唯有提高X射线形貌仪的分辨率和灵敏度才能准备获得缺陷尺寸和分布信息。所以诸多设备厂家和科研工作者一直致力于如何提高X射线形貌仪的分辨率和灵敏度。与大多数成像设备类似，分辨率和灵敏度的提高基本是两个思路，第一个思路就是在保证X射线源光斑强度的前提下尽可能降低焦斑尺寸；第二就是通过提高X射线信号接收端的CCD探头的分辨率和灵敏度。理学XRT当前可以提供焦斑尺寸70μm高亮度射线源，从源头保证入射光束的均一性。同时该型号XRT具有超高分辨率和高灵敏度的XTOP CCD探头，可实现2.4um的像素分辨率成像，为更小位错缺陷的表征提供了可能。上述这一切的进步对于科研工作者是欢欣鼓舞的，但对于企业QC人员的帮助是有限的。企业应用场景除了仪器具备较为出色的性能之外，还要具备高吞吐量。理学公司急客户之所急，想客户之所想，针对SiC位错检测需求，研发人员在原有XRT技术基础上开发出了快速、准确和高效的位错解决方案，将关键技术指标BPD位错的检测效率提高5-6倍，1片6英寸SiC晶圆仅需要5min就可以完成样品测试，从而有效解决了SiC生产环节的瓶颈问题。理学公司是如何实现快速、准确SiC位错缺陷的测试呢？理学公司将其在XRD中的高端二维陈列探测器HyPix-3000HE引进到XRT系统。HyPix-3000HE是一种单光子计数高的X射线探测器，计算率大于106cps/像素，读出速度快，基本上没有噪音。HyPix-3000实物安装图片及仪器特点参见如下：图2 HyPix-3000安装效果及实物图HyPix-3000 HE探测器特点介绍：・ 空间分辨率⾼ ，有效面积大。像素尺寸100×100µ m2,探测面77.5 mm×38.5 mm；・ 最大程度地降低背景；・ 可进⾏ 零死时间模式的⾼ 速测量；・ 动态范围广。这套探测器除了上述本身固有的优点之外，搭载在理学XRT系统上最大好处就是对于X射线的入射光要求不再必须是平行光束，发射光束也可以用于晶圆缺陷的表征，从而省去XRT常规方案中布拉格衍射条件的调整和弯曲校正等调整流程。采用最小600mm/min的扫描速度，可以将1片6英寸晶圆的扫描用时从＞60min降低到5min左右。图3为XTOP探测器方案和HyPix-3000HE方案示意图。图3 XTOP方案和HyPix-3000HE方案示意图带有HyPix-3000HE探测器的XRTmicron具有利用发散X射线成像，在使用HyPix-3000HE进行测量时，发射X射线以多种入射角照射到样品上，发散的X射线可以补偿由于晶圆倾斜，曲率半径变化和方位角等对平台的影响。例如，使用（11-20）反射模式测试一片直径150mm主面4°偏角的4H-SiC晶圆的形貌图，即使入射角度变化在±0.6°，参考边/Notch角度变化为±5°可以很好的成像，参见图4。图4 调整入射角度下得到的XRT形貌图介绍到这里有的朋友可能会有疑问，既然HyPix-3000HE探测器效率如此高，成像效果也不错，那为什么还要保留Xtop这个方案呢？那是因为前面我们也提到了HyPix-3000HE的成像分辨率是100μm,对于晶圆缺陷在100μm以上缺陷检测则不受影响，如BPDs这类缺陷，一般呈线状、平行于晶面方向。同时，BPDs缺陷对芯片外延的影响最大，所以也是企业客户重点关注的缺陷指标。对于TSDs和TEDs 由于尺寸均小于100μm，HyPix-3000HE探测器无法准确识别，仍需借助XTop （分辨率最高可达2.4μm）功能用于这类缺陷的表征。所以，对于企业客户我们一般建议在传统XTop的配置的基础上，升级HyPix-3000HE 功能和机械手操作用于快速QC检测，从而解决SiC晶圆缺陷表征环节的瓶颈问题。如下视频就是德国弗劳恩霍夫研究所采用理学HyPix-3000HE方案用于BPDs缺陷测试的视频[4]，结合理学公司和德国弗劳恩霍夫研究所联合开发的形貌识别软件，实现SiC晶圆缺陷的高吞吐量的测试。XRT测试过程理学新一代微焦版转靶核心技术XRT形貌仪XRT (X-ray Topography)是利用X射线的布拉格衍射原理和晶格畸变（缺陷）造成特征峰宽化和强度变化等特性，结合X射线形貌技术，可以对晶体内缺陷进行成像。XRT检测技术最大的优点就是实现晶体缺陷的无损检测，在不破坏晶圆的情况下实现2-12英寸半导体晶体中线缺陷、面缺陷和体缺陷的检测和表征。如下视频就是6英寸SiC衬底BPD缺陷测试。XRT实物图更多详细信息或应用需求请联系我们联系人：王经理，18612502188附：[1] 卢嘉倩，基于XRT的晶圆检测技术进展，中国体视学与图像分析2022年，第27卷，第 2期；[2] 黄继武，X射线衍射理论与实践(I)，2020年4月；[3] 理学XRT应用介绍内部资料[4]https://www.iisb.fraunhofer.de/en/research_areas/materials/x-ray-topography.html

12月20日，中国科学院特种无机涂层重点实验室2009年度学术委员会会议在上海硅酸盐研究所召开。丁传贤院士、孙晋良院士、胡行方研究员等实验室发展顾问，罗宏杰教授、吴国庭研究员、朱美芳教授、沈红卫教授、宋志棠研究员、赵小翔研究员、韦平高级工程师、宋力昕研究员、祝迎春研究员等学术委员会委员出席会议。上海硅酸盐所科技一处处长王东和实验室部分科研人员列席了本次会议。 　　会议由实验室学术委员会副主任、上海硅酸盐所所长罗宏杰教授主持。罗宏杰所长首先致欢迎辞，对各位发展顾问和学术委员会专家的到来表示热烈欢迎。随后，各位专家听取了实验室主任宋力盺研究员所作的中科院特种无机涂层重点实验室2009年度工作汇报。报告总结了实验室一年来各项工作情况，包括各研究领域最新研究进展、学术论文发表和专利申请、在研课题及到位经费、人才队伍建设以及开放基金执行情况等。会议还听取了学委会委员沈红卫教授所作的“Z94.3A重型燃机的简要介绍”和朱美芳教授所作的“有机/无机杂化功能材料及其应用”特邀学术报告。 　　委员们审议了实验室年度工作报告，充分肯定了实验室挂牌一年来在学科方向凝练、科研进展、队伍建设等方面取得的显著成绩。并就实验室在研究方向的调整、加强学科交叉、国内外合作交流及2010年度开发课题等问题进行了热烈讨论，提出了许多宝贵的意见和建议。 　　专家们还参与了实验室学术交流活动。刘宣勇研究员、陶顺衍研究员以及赵丽丽副研究员分别作了“新型生物活性涂层研究”、“新型高温热障涂层的研究进展”和“空间对地观测系统关键材料技术研究”的学术报告。所内部分研究生也积极参加了学术交流活动，并就各自感兴趣的问题与三位报告人进行了热烈的交流。

要利用QUV紫外老化加速试验机对彩色涂层板进行紫外老化试验，可以按照以下步骤进行：1.准备样品：将彩色涂层板切割成适当的尺寸，确保其适应QUV试验机的样品架。同时，应注意保护样品表面以免划伤或损坏。设置试验条件：根据所需的试验条件，根据试验机的指引或使用手册，设置合适的光照强度、温度和湿度参数。这些参数应该基于所模拟的实际使用环境。2.安装样品：将切割好的彩色涂层板样品固定到试验机的样品架上，确保样品表面与试验机光源之间的距离是均匀且适当的。3.运行试验：启动试验机，根据设定的试验条件，让样品暴露在QUV试验机的紫外光源下。试验的时间可能根据需求而有所不同，可以根据具体情况进行设置。4.监测和评估：定期监测样品的变化，包括颜色变化、表面质量、表面结构、光泽度和物理性能等。这可以通过视觉观察、光谱测量和物理性能测试等方法进行。5.结果分析：根据试验数据和观察结果，评估彩色涂层板的紫外老化性能。比较试验后的样品与未经紫外老化的对照样品的差异，并分析可能的原因。通过QUV紫外老化试验，可以帮助评估彩色涂层板在长期暴露于紫外环境下的耐候性能和色彩稳定性，以指导产品改进和选用合适的材料或材料配方。在进行试验前，最好理解QUV试验机的使用方法和样品的实际使用条件，以确保试验结果的准确性和可靠性。QUV紫外老化加速试验机QUV紫外老化加速试验机是简单、可靠、易用的紫外老化试验机。世界各地使用的QUV紫外加速老化试验机数以万计，它是世界上使用广泛的紫外老化试验机。QUV紫外老化加速试验机使用特殊的荧光紫外灯管模拟阳光的照射，用冷凝湿度和水喷雾的方法模拟露水和雨水，真实地再现由阳光造成的材料损伤。损伤类型包括褪色、光泽消失、粉化、龟裂、开裂、模糊、起泡、脆化、强度减小和氧化。QUV可方便地容纳多达48个样品（75mm x 150mm），完全符合国际、国家和行业规范，确保了测试程序的可靠性和可重复性。

HS-DSC-101差示扫描量热仪是一种测量参比端与样品端的热流差与温度参数关系的热分析仪器，主要应用于测量物质加热或冷却过程中的各种特征参数：玻璃化转变温度Tg、氧化诱导期OIT、熔融温度、结晶温度、比热容及热焓等。改性石墨烯增强有机硅涂层及其性能研究【齐鲁工业大学 姚凯 】改性石墨烯增强有机硅涂层及其性能研究上海和晟 HS-DSC-101 差示扫描量热仪

巴斯夫正在筹建位于韩国京畿道安山市(AnsanCity,Gyeonggi Province)的涂层技术研发中心支持公司的环保水性涂层漆的研发工作 这一技术中心支持的水性漆产品主要用于汽车领域OEM生产，另外中心的建立将进一步优化巴斯夫涂层一体化整合处理操作，并促进更多经济型涂层产品的问世。 　　这一涂层技术中心预计将于2010年中期投入使用 巴斯夫涂层部门总裁Mr.Raimar Jahn表示，“这一韩国中心的建立将进一步强化巴斯夫国际间涂层技术网络，使我们以更优质的产品服务韩国以及全球客户。这一中心旨在促进可循环型环保产品的研究进程以及根据客户特殊需求定制产品的服务能力，因此未来可以大大提高我们的竞争优势。” 　　在水性涂层领域，水取代了传统溶剂型涂层中普遍存在的有机溶剂而存在，因而在很大程度上减少了有机溶剂排放对环境造成的影响。而作为汽车涂层使用时，创新型一体化处理方法将减少涂层喷刷的工作时间，从而提高资源使用效率与时间利用率。

近期，加拿大卫生部发布了一则关于儿童玩具表面涂层含有特定重金属的通知。该通知提醒所有玩具制造商、进口商和零售商，儿童玩具必须经过重金属含量测试，证明完全符合加拿大的法规之后，才可以进入加拿大市场销售。该通知同时公布了上述重金属的法定限量及测试方法。 　　儿童玩具进入加拿大市场需符合加拿大《危险产品法案》及《危险产品(玩具)条例》，该法规规定，如果儿童玩具、装备及供儿童学习玩乐的其它产品的表面涂料中含有总铅、特定可迁移的重金属及汞化合物，则禁止在加拿大宣传、进口或销售。所有制造商、进口商、经销商和零售商均有责任保证，在加拿大宣传、进口或销售的任何玩具(包括二手玩具)都已符合《危险产品法案》中规定的所有适用的安全规定。 　　同时，该通知还特别提到,在产品制造过程中使用的标签和贴花纸也属于表面涂层。由于，在许多情况下(特别是在重金属方面)，加拿大的法规及相关的测试方法不同于美国或欧洲，因此需要相关人员特别注意。检验检疫专家建议，各相关机构及生产出口企业，应制定针对不同市场玩具重金属限量要求及检测方法的生产应对措施，实行“按需生产”，同时积极了解目标市场法规变化，进行有针对性检测，做到有备无患。

日立暗场晶圆缺陷检测系统DI46002023年12月6日，日立高新宣布推出日立暗场晶圆缺陷检测系统DI4600，这是一种用于检测半导体生产线上图案化晶圆上颗粒和缺陷的新工具。DI4600 增加了一个专用服务器，该服务器提供了检测颗粒和缺陷所需的显著增强的数据处理能力，从而提高了检测能力。与之前的型号相比，通过缩短晶圆转移时间和改进晶圆检测期间的操作，系统的吞吐量也提高了约 20%。DI4600将实现半导体生产线中高精度的缺陷监测，这将有助于提高产量和更好的拥有成本，促进半导体产量持续扩大。发展背景在当前的社会环境中，DRAM和FLASH等存储器半导体设备，MPU和GPU等逻辑半导体不仅用于智能手机、笔记本电脑和PC，还用于生成人工智能（AI）计算和自动驾驶。随着半导体器件的萎缩和复杂性的发展，对制造过程清洁度和检测能力的要求也变得更加严格。半导体制造商不断努力提高竞争力，尤其是在性能和制造成本方面。图案化晶圆检查工具通过检查生产晶圆的表面是否有颗粒和缺陷，有助于产量管理，使工程师能够监测半导体处理工具的清洁度变化和趋势，因此对半导体器件的性能和制造成本有很大影响。关键技术1.高通量与现有型号相比，通过减少晶圆转移时间、改善晶圆检测期间的操作和优化数据处理顺序，吞吐量提高了约 20%。2.高精度检测由于增加了专用服务器，因此提高了检测精度，该服务器提供了检测颗粒和缺陷所需的显着增强的数据处理能力。