Определение параметров пористой структуры в por-Si и por-Al2O3 путем компьютерной обработки данных растровой и атомно-силовой микроскопии | Статья в журнале «Молодой ученый»

Библиографическое описание:

Спивак Ю. М., Муратова (. Е., Петенко О. С., Травкин П. Г. Определение параметров пористой структуры в por-Si и por-Al2O3 путем компьютерной обработки данных растровой и атомно-силовой микроскопии // Молодой ученый. — 2012. — №5. — С. 1-4. — URL https://moluch.ru/archive/40/4835/ (дата обращения: 20.07.2018).

Пористые полупроводники и оксиды металлов являются чрезвычайно актуальными наноматериалами и находят различные применения в технологиях ИМС и МЭМС, сенсорике, оптоэлектронике, альтернативной энергетике, медицине и др. [1-6]. Известно, что свойства пористых материалов определяются такими их основными характеристиками как пористость, размер и форма пор, толщина перегородок между ними, наличие в объеме продуктов электрохимических реакций и т.д. Например, в зависимости от режимов электрохимической обработки и параметров кремниевой подложки (типа проводимости, уровня легирования, кристаллографической ориентации), морфология и тип пористой структуры, а, следовательно, и свойства полученных слоев пористого кремния могут изменяться в широких пределах [7-11].

Традиционным методом исследования распределения пор является метод сорбометрии, применение этого метода к пористым наноматериалам описано в [12-14]. За последнее время широкое распространение получили оптические методы, так, в [14] был разработан новый мощный неразрушающий метод – эллипсометрическая адсорбционная порометрия, который был применен для определении пористости и распределения мезо- и микропор по размерам в тонких пленках.Оптический экспресс-метод анализа пористости газочувствительных датчиков, в основе которого были положены эллипсометрические измерения эффективного значения коэффициента преломленияприменялся для пористых материалов и датчиков на их основе [15]. При изучении пористых материалов методами сорбометрии важное значение имеет явление коадсорбции. Применение метода ядерного парамагнитного резонанса (ЯМР) [16, 17] позволило установить разветвленность фрактальной системы нанопор с диаметром пор ≥ 1,4 нм, а также диагностировать формирование гетерофазной структуры водного кластера. Эти результаты были получены в [18] за счет обработки спектров ЯМР, при этом впервые методом ЯМР проведено непосредственное измерение фрактальной размерности Хаусдорфа-Безиковича для реального физического объекта – двумерного кластера координационно насыщенного монослоя сорбированных молекул воды в пористом кристалле, равная 1,54, обнаружены и исследованы уникальные эффекты динамической и структурной гетерогенности, возникающие в сорбированном пористой кристаллической структурой монослое молекул воды.

Методы растровой электронной и атомно-силовой микроскопии (АСМ) также широко применяются при исследовании параметров пористой структуры por-Si, por-Al2O3 и других пористых материалов [19-22]. Обычно, для количественной оценки степени упорядоченности структуры por-Al2O3 используется коэффициент упорядоченности – отношение количества ячеек, гексагонально расположенных друг относительно друга, к общему числу ячеек на выбранной площади поверхности por-Al2O3 [21]. Но такой способ оценки качества структуры позволяет судить только о доле гексагональных ячеек с формой, близкой к идеальной, и оценивать ближний порядок структуры. Тем не мене, известно, что в слое por-Al2O3 могут существовать области с размерами, например, ~ 500-700нм, в которых коэффициент упорядоченности ≈100%, разделенные переходными дефектными областями [23]. Внутри таких областей – доменов, ячейки строго ориентированы друг относительно друга. Но соседние домены могут иметь различную ориентацию друг относительно друга. Оценка упорядоченности на макро-уровне важна, так как будет определять свойства и размеры рабочих областей функциональных структур на основе por-Al2O3.

В данной работе проводился анализ пористой структуры слоев por-Al2O3по данным РЭМ с помощью цифровых методов обработки изображений. В работе получали слои por-Al2O3 электрохимическим анодированием в электролитах на основе растворов H3PO4, H2SO4 [22, 24]. В [23] был предложен и далее развит в [22] один из вариантов алгоритмов, позволяющих проводить оценку качества сотовой структуры por-Al2O3 по данным микроскопических изображений поверхности. Программный продукт был создан на языке графического программирования при помощи пакетов National Instruments Lab VIEW 8.5 и National Instruments Vision Assistant 8.5, при использовании ряда функций IMAQVision. Изображение обрабатывалось следующим образом: конвертируется в бинарное путём задания глобального порога, затем очищается от шума путём медианной фильтрации и отсечением верхних частот Фурье-преобразования. Окно фильтрации последовательно движется по входному изображению. Медианный фильтр с размером окна 3x3 хорошо справляется со слабой и средней степенью зашумлённости, но для подавления более интенсивных шумов нужно либо увеличивать окно фильтрации медианного фильтра, либо использовать другие методы фильтрации, например фильтрацию в частотной области. Высокочастотная фильтрация изображения позволяет выделять контура и мелкоразмерные области на изображении. Определённый набор последовательно следующих друг за другом морфологических операций позволяет выделить внутренние контуры пористой структуры, которые затем складываются с исходным полутоновым изображением, образуя конечный результат.

На рис.1 представлены начальный (а) и конечный (б) результаты работы программы по обработке РЭМ изображений. В этом случае процесс обработки несколько отличается от обработки изображения АСМ. Отличия касаются только набора морфологических операций, позволяющих выделить пористую структуру в исходном изображении. Так, вместо операций эрозии, открытия и закрытия смежных областей используется дилатация (расширение). Затем используется виртуальный прибор (ВП), реализующий удаление малых областей (четыре итерации). Кроме того, в данном изображении имеются участки, где происходит слияние нескольких смежных пор. Разделить с помощью фильтрации и бинаризации изображения не удается, поэтому во избежание грубых ошибок при количественном анализе был использован фильтр частиц (фильтрация производилась по занимаемой частицей площади, пороговое значение равно 2000 пикселей).

а б

Рис.1. Обработка РЭМ изображения пористого оксида алюминия

Данная программа позволяет вычислять поверхностную концентрацию, пористость и распределение пор по размерам. Структурные параметры пористого слоя оксида алюминия зависят от технологических факторов. В частности, состав электролита оказывает определяющее влияние на концентрацию и диаметр пор. Теоретические данные хорошо согласуются с данными, полученными в результате работы программы, которые сведены в таблицу 1.

Таблица 1

Характеристики пористого слоя, рассчитанные программой

Кислота

Диаметр пор, нм

Концентрация пор, пор/(мкм)2

Пористость, %

Серная

20…30

32

21,5

Ортофосфорная

130…150

108

42,7


Кроме того, по результатам программы были построены диаграммы распределения количества пор по их площади (рис. 2).

Рис. 2. Распределение пор по площади для por-Al2O3, сформированного в растворе на основе фосфорной кислоты

Из диаграммы видно, что разброс значений по площади пор небольшой (≈ 20%).Рассматриваемая программа позволяет проводить количественный и морфологический анализ пористой структуры различных слоев с помощью цифровых методов обработки изображений, рассчитывать геометрические параметры различных пористых структур, оценивать их однородность.


Литература:

  1. Основы водородной энергетики / Под ред. В.А. Мошникова и Е.И. Терукова. 2-е изд. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2011. 288 с.

  2. Gracheva I.E., Moshnikov V.A., Karpova S.S., Maraeva E.V. Net-like structured materials for gas sensors // Journal of Physics: Conference Series. 2011. Т. 291. № 1. С. 012017.

  3. Foll H., Christophersen M., Carstensen J., Hasse G. Formation and application of porous silicon // Materials Science and Engineering, 2002, R39, P. 93-141.

  4. V. A. Moshnikov,I. E.Gracheva,A. S. Lenshin,Yu. M. Spivak, etc. Porous silicon with embedded metal oxides for gas sensing applications // Journal of Non-Crystalline Solids, vol. 358, is. 3, 1 February 2012, Pages 590–595.

  5. Волков Е.В., Старков В.В., Добровольский Ю.А., Гаврилин Е.Ю. Водородно-воздушный топливный элемент на основе макропористого кремния // Нано- и Микросистемная техника, № 10, 2006, с. 40-46.

  6. Астрова Е.В., Нечитайлов А.А., Забродский А.Г. Кремниевые технологии для микротопливных элементов // Международный научный журнал «Альтернативная энергетика и экология», 2007, №2 (46), стр. 60-65.

  7. Травкин П.Г., Воронцова Н.В., Высоцкий С.А. др. Исследование закономерностей формирования структуры пористого кремния при многостадийных режимах электрохимического травления // Известия СПбГЭТУ «ЛЭТИ», № 4, 2011, с. 3-9.

  8. Канагеева Ю.М., Савенко А.Ю., Лучинин В.В. и др. Изучение структурно-морфологических особенностей макропористого кремния при препарировании образцов остросфокусированным ионным пучком // Петербургский журнал электроники.-2007.– №1.– С.30-34.

  9. Леньшин А.С., Кашкаров В.М., Середин П.В и др. Исследование электронного строения и химического состава пористого кремния, полученного на подложках n- и p-типа, методами XANES и ИК спектроскопии // ФТП, 2011, т. 45, вып. 9, с. 1229-1234.

  10. Леньшин А.С., Кашкаров В.М, Спивак Ю.М., Мошников В.А. Исследование электронного строения и фазового состава пористого кремния // ФХС, 2012, т. 38, вып. 3, с.383-392.

  11. Jourdan N., Krishtab M. B., Baklanov M. R., etc. Study of Chemical Vapor Deposition of Manganese on Porous SiCOH Low-k Dielectrics Using Bis(ethylcyclopentadienyl) manganese // Electrochemical and Solid-State Letters, 2012, 15 (5), H176-H178.

  12. Леньшин А.С., Мараева Е.В. Исследование удельной поверхности перспективных пористых материалов и наноструктур методом тепловой десорбции азота // Известия Санкт-Петербургского государственного электротехнического университета ЛЭТИ. 2011. № 6. С. 9-16.

  13. Дубинин М.М. Неоднородные микропористые структуры и адсорбционные свойства углеродных адсорбентов // Доклады Академии наук СССР. – 1984. – Т. 275. – № 6. – С. 1442–1446.

  14. Дульцев Ф.Н. Тонкие пленки как основа химических и биологических сенсоров // Автореферат дисс. уч. ст. д.х.н., ИФП СО РАН, Новосибирск, 2007г.

  15. Димитров Д.Ц., Лучинин В.В., Мошников В.А., Панов М.Ф. Эллипсометрия как экспресс-метод установления корреляции между пористостью и газочувствительностью слоев диоксида олова // ЖТФ, 1999, т. 69, вып. 4, с. 129-130.

  16. Мамыкин А.И., Ильин А.Ю., Мошников В.А. и др. Исследование структуры поверхности пористого кремния методом ядерного магнитного резонанса // ФТП, 1995, т. 29, вып. 10, с. 1874-1877.

  17. Мамыкин А.И., Мошников В.А., Ильин А.Ю. Магниторезонансная спектроскопия пористых квантово-размерных структур // ФТП, 1998, т. 32, № 3, с. 356-358.

  18. Мамыкин А.И. Ядерный магнитный резонанс в гидратных слоях пористых кристаллов. Автореферат дисс. уч. ст. д.ф-м.н., СПбГЭТУ «ЛЭТИ», Санкт-Петербург, 2001г.

  19. Спивак Ю.М. Анализ фотоприемных монокристаллических и поликристаллических слоев на основе халькогенидов свинца методами атомно-силовой микроскопии // Автореферат дисс. уч. ст. к.ф.-м.н. СПбГЭТУ «ЛЭТИ», Санкт-Петербург, 2008г.

  20. Ir. E. Gracheva, Yu. M. Spivak, V.A. Moshnikov. AFM techniques for nanostructures materials used in optoelectronic and gas sensors // Eurocon-2009. International IEEE Conference, May 18-23, 2009. – Saint-Petersburg, Russia, 2009. – P. 1250-1253.

  21. Гаврилов С.А., Белов А.Н. Электрохимические процессы в технологии микро- и наноэлектроники. Москва. Высшееобразование. 2009. с. 169-236.

  22. Мошников В.А, Соколова Е.Н., Спивак Ю.М. Формирование и анализ структур на основе пористого оксида алюминия // Известия СПбГЭТУ «ЛЭТИ», 2011, вып 2. С. 13-19.

  23. Канагеева Ю.М., Преображенский Н.Е., Мошников В.А., Румянцева А.И. Исследование однородности структурных параметров пористых оксидных наносистем, полученных методом электрохимического травления / Физика диэлектриков (диэлектрики-2008), Материалы XI международной конференции Санкт-Петербург, 3-7 июня 2008 г: РГПУ им. А.И. Герцена, С. 238-240.

  24. Афанасьев А.В., Ильин В.А., Мошников В.А. и др., Синтез нано- и микропористых структур электрохимическими методами // Биотехносфера, №1-2(13-14), 2011. С.39-45.

Основные термины (генерируются автоматически): пористая структура, медианный фильтр, цифровой метод обработки изображений, VIEW, коэффициент упорядоченности, окно фильтрации, результат работы программы, друг, область, слой.


Похожие статьи

Методы предварительной фильтрации изображения

Под фильтрацией изображений понимают операцию, имеющую своим результатом

Наиболее часто используемым фильтром является медианный фильтр.

Пространственная фильтрация или окрестностная обработка изображений состоит из следующих действий

Особенности применения фильтров обработки изображений...

Фильтры обработки изображений применяются для наложения различных эффектов

Полученная сумма присваивается тому пикселю нового изображения, который соответствует положению центра окна.

Один из видов нелинейного усреднения — это медианный фильтр.

Обработка и сегментация тепловизионных изображений

Представленный метод сегментации выделяет определенные важные области на изображении, формируя

Под контуром понимается совокупность связных точек, имеющая замкнутую структуру

В тестовый стенд входит, модуль цифровой обработки изображения...

Реализация частотной фильтрации рентгеновских изображений...

Такие фильтры принято называть фильтрами с нулевым сдвигом фазы. Рис. 1. Основные шаги фильтрации в частотной области.

Наилучший результат при обработке затемненных рентгеновских изображений даёт комбинация высокочастотной фильтрации с последующей...

Преобразование Фурье как основополагающий частотный метод...

В данной работе рассмотрены частотные методы улучшения изображений, а в частности использование Фурье

Ключевые слова: частотная фильтрация, преобразование Фурье, улучшение изображений.

Рассмотрим простую процедуру фильтрации в частотной области.

Разработка двумерных сглаживающих фильтров на основе...

Методы цифровой обработки изображений широко используются на практике: в астрономии, медицине, физике, биологии, географии

Для улучшения качества зашумленного изображения (очистки от шума) применяют сглаживающие фильтры: простой, Гауссов, медианный...

Обработка рентгеновских изображений с применением оценки...

Результат обработки изображений функцией imadjust приведён на рисунке 1. а) б).

‒ пространственная фильтрация фильтром Лапласа, применяется для повышения четкости

Для светлых изображений наибольшее значение интегрального критерия показали методы

Применение различных методов фильтрации изображения

Для обработки изображения на этапе фильтрации были выбраны 2 метода фильтрации.

При помощи программы MatLab были проведены эксперименты по фильтрации аэрокосмических снимков.

Методы определения объектов на изображении

В работе рассматриваются некоторые методы распознавания объектов на изображении, основанные на детекторах границ и

И последние этапы — это двойная пороговая фильтрация и трассировка области неоднозначности.

Рис. 2. Результат работы фильтра Канни.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Методы предварительной фильтрации изображения

Под фильтрацией изображений понимают операцию, имеющую своим результатом

Наиболее часто используемым фильтром является медианный фильтр.

Пространственная фильтрация или окрестностная обработка изображений состоит из следующих действий

Особенности применения фильтров обработки изображений...

Фильтры обработки изображений применяются для наложения различных эффектов

Полученная сумма присваивается тому пикселю нового изображения, который соответствует положению центра окна.

Один из видов нелинейного усреднения — это медианный фильтр.

Обработка и сегментация тепловизионных изображений

Представленный метод сегментации выделяет определенные важные области на изображении, формируя

Под контуром понимается совокупность связных точек, имеющая замкнутую структуру

В тестовый стенд входит, модуль цифровой обработки изображения...

Реализация частотной фильтрации рентгеновских изображений...

Такие фильтры принято называть фильтрами с нулевым сдвигом фазы. Рис. 1. Основные шаги фильтрации в частотной области.

Наилучший результат при обработке затемненных рентгеновских изображений даёт комбинация высокочастотной фильтрации с последующей...

Преобразование Фурье как основополагающий частотный метод...

В данной работе рассмотрены частотные методы улучшения изображений, а в частности использование Фурье

Ключевые слова: частотная фильтрация, преобразование Фурье, улучшение изображений.

Рассмотрим простую процедуру фильтрации в частотной области.

Разработка двумерных сглаживающих фильтров на основе...

Методы цифровой обработки изображений широко используются на практике: в астрономии, медицине, физике, биологии, географии

Для улучшения качества зашумленного изображения (очистки от шума) применяют сглаживающие фильтры: простой, Гауссов, медианный...

Обработка рентгеновских изображений с применением оценки...

Результат обработки изображений функцией imadjust приведён на рисунке 1. а) б).

‒ пространственная фильтрация фильтром Лапласа, применяется для повышения четкости

Для светлых изображений наибольшее значение интегрального критерия показали методы

Применение различных методов фильтрации изображения

Для обработки изображения на этапе фильтрации были выбраны 2 метода фильтрации.

При помощи программы MatLab были проведены эксперименты по фильтрации аэрокосмических снимков.

Методы определения объектов на изображении

В работе рассматриваются некоторые методы распознавания объектов на изображении, основанные на детекторах границ и

И последние этапы — это двойная пороговая фильтрация и трассировка области неоднозначности.

Рис. 2. Результат работы фильтра Канни.

Задать вопрос