Design and Implementation of an Image-Based Autofocus Control System for Optical Microscopy
Cet article présente la conception et la mise en œuvre d'un système d'autofocus basé sur l'image pour la microscopie optique qui intègre une platine à moteur pas à pas avec une caméra CCD, utilisant une sélection interactive de la région d'intérêt et une stratégie de recherche par descente de gradient pour identifier le gradient moyen amélioré comme fonction d'évaluation de la mise au point optimale, atteignant ainsi une mise au point automatisée de haute précision avec un cycle de 4 secondes et une résolution de 1,25 µm.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde de la science des matériaux et de la fabrication des semi-conducteurs, voir les plus petits détails est primordial. Les microscopes optiques sont les outils principaux utilisés pour inspecter les plaquettes de silicium, ces fines tranches de cristal qui constituent l'épine dorsale de l'électronique moderne. Ces machines agrandissent des structures minuscules, permettant aux ingénieurs de vérifier que les circuits microscopiques sur une puce sont parfaits. Cependant, un microscope n'est aussi bon que sa mise au point. Si la lentille est même légèrement désalignée, l'image devient floue, les détails disparaissent et des défauts critiques passent inaperçus. Traditionnellement, un opérateur humain a dû tourner manuellement un bouton pour trouver ce point de netteté parfait. Ce processus est lent, dépend fortement des yeux fatigués de l'opérateur et introduit l'erreur humaine. Pour résoudre cela, des chercheurs ont passé des années à développer des systèmes capables de faire la mise au point de la lentille automatiquement, en utilisant l'image elle-même pour indiquer à la machine quand elle a trouvé la vue la plus claire.
Une équipe de chercheurs de l'Université de technologie de Hengxing a franchi une étape importante dans ce domaine en construisant et en testant un nouveau système de mise au point automatique conçu spécifiquement pour l'inspection des plaquettes de silicium. Leur travail repose sur une idée simple mais puissante : une image nette contient plus de détails à haute fréquence et des contours plus marqués qu'une image floue. En mesurant ces caractéristiques visuelles, un ordinateur peut déterminer exactement à quel point la lentille est proche du point de focalisation parfait. L'équipe a construit un montage physique qui combine un microscope optique standard avec un moteur contrôlé par ordinateur et une caméra numérique. Au lieu de s'appuyer sur des capteurs externes comme des lasers ou des ultrasons, leur système regarde directement l'image en train d'être prise, analyse sa netteté et déplace la lentille vers le haut ou vers le bas jusqu'à ce que l'image soit aussi claire que possible.
Les chercheurs ont testé quatre méthodes mathématiques différentes pour décider laquelle était la meilleure pour juger la netteté de l'image. Ils ont utilisé une plaquette de silicium présentant des rayures parallèles distinctes à sa surface comme sujet de test, un matériau courant dans l'industrie. Les quatre méthodes comparées étaient des variations de la détection de contours, qui consiste essentiellement à compter à quel point la luminosité de l'image change d'un pixel à l'autre. Une méthode, le gradient moyen amélioré, calculait le changement moyen de luminosité à travers toute l'image. Une autre, l'opérateur de Roberts, examinait les changements diagonaux. Une troisième, l'opérateur de Sobel, accordait plus de poids aux changements vers le centre de l'image, et la quatrième, l'opérateur de Laplacien, mesurait la rapidité avec laquelle les changements eux-mêmes changeaient. L'équipe a constaté que la méthode du gradient moyen amélioré était la grande gagnante. Elle produisait une courbe lisse et fiable qui montait régulièrement jusqu'à un sommet unique lorsque l'image était au point, ce qui permettait à l'ordinateur de savoir exactement quand s'arrêter. En revanche, l'opérateur de Sobel peinait à détecter les textures fines de la plaquette de silicium, produisant un signal plat et peu utile qui rendait difficile la recherche de la meilleure mise au point.
Pour rendre le système plus rapide et plus précis, les chercheurs ont introduit une fonctionnalité qui permet à un opérateur humain de sélectionner une zone rectangulaire spécifique sur l'écran pour la mise au point, plutôt que d'analyser l'image entière. Cette approche par « région d'intérêt » réduit la quantité de données que l'ordinateur doit traiter et ignore le fond vide qui confond souvent le système. Une fois la zone choisie, l'ordinateur utilise une stratégie de recherche appelée « montée de pente » (hill-climbing). Le système déplace la lentille d'un petit pas, prend une photo et vérifie la netteté. Si la nouvelle image est plus nette, il continue de progresser dans cette direction. Si l'image devient plus floue, il sait qu'il a dépassé le sommet et fait demi-tour pour retrouver l'endroit le plus net. Cette méthode est efficace et évite de devoir tester chaque position possible.
Les résultats de leurs expériences étaient précis et pratiques. Le système a atteint une précision de mise au point minimale de 1,25, ce qui est le plus petit mouvement que le moteur peut effectuer. Ce niveau de précision est suffisant pour les exigences exigeantes de la fabrication des semi-conducteurs. De plus, l'ensemble du processus de recherche de la mise au point parfaite n'a pris qu'environ quatre secondes, une vitesse qui rend le système viable pour les lignes de production automatisées où le temps est critique. L'étude a également confirmé que la précision du système est directement liée à la taille des pas que fait le moteur ; des pas plus petits permettaient des ajustements plus fins et une position finale plus précise, bien qu'ils nécessitent au système de prendre plus de photos pour trouver le sommet. Bien que le système actuel nécessite toujours qu'un humain clique et sélectionne la zone d'intérêt, les chercheurs ont démontré que leur méthode de jugement de la netteté est robuste et rapide. Leur travail fournit un modèle fiable pour la construction d'outils d'inspection automatisés capables de gérer la tâche délicate de la mise au point sur les plaquettes de silicium sans intervention humaine, garantissant que les minuscules circuits à l'intérieur de nos appareils sont fabriqués avec la plus haute qualité possible.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.