以目前实验室配有的FIB-SEM的型号是蔡司的Crossbeam 540为例进行如下分析,离子束最高成像分辨率为3nm,电子束最高分辨率为0.9nm。该系统的主要部件及功能如下:
1.离子束: 溅射(切割、抛光、刻蚀);刻蚀最小线宽10nm,切片最薄3nm。
2.电子束 : 成像和实时观察
3.GIS(气体注入系统): 沉积和辅助刻蚀;五种气体:Pt、W、SiO2、Au、XeF2(增强刻蚀SiO2)
4.纳米机械手: 转移样品
5.EDS: 成分定量和分布
6.EBSD : 微区晶向及晶粒分布
7.Loadlock(样品预抽室): 快速进样,进样时间只需~1min
由上述FIB-SEM的一个部件或多个部件联合使用,可以实现在材料研究中的多种应用,具体应用实例如下:
图2a和b分别是梳子形状的CdS微米线的光学显微镜和扫描电镜照片,从光学显微镜照片可以看出在CdS微米线节点处内部含有其他物质,但无法确定是什么材料和内部形貌。利用FIB-SEM在节点处定点切割截面,然后对截面成像和做EDS mapping,如图2c、d、e和f所示,可以很直观的得到在CdS微米线的节点处内部含有Sn球。
FIB-SEM制备TEM样品的常规步骤如图3所示,主要有以下几步:
1)在样品感兴趣位置沉积pt保护层
2)在感兴趣区域的两侧挖大坑,得到只有约1微米厚的薄片
3)对薄片进行U-cut,将薄片底部和一侧完全切断
4)缓慢移下纳米机械手,轻轻接触薄片悬空的一端后,沉积pt将薄片和纳米机械手焊接牢固,然后切断薄片另一侧,缓慢升起纳米机械手即可提出薄片
5)移动样品台和纳米机械手,使薄片与铜网(放置TEM样品用)轻轻接触,然后沉积pt将薄片和铜网焊接牢固,将薄片和纳米机械手连接的一端切断,移开纳米机械手,转移完成
6)最后一步为减薄和清洗,先用大加速电压离子束将薄片减薄至150nm左右,再利用低电压离子束将其减薄至最终厚度(普通TEM样品<100nm,高分辨TEM样品50nm左右,球差TEM样品<50nm)
一种如图4a所示的MoS2场效应管,需要确定实际器件中MoS2的层数及栅极(Ag纳米线)和MoS2之间的距离。利用FIB-SEM可以准确的在MoS2场效应管的沟道位置,垂直于Ag纳米线方向,提出一个薄片,并对其进行减薄,制备成截面透射样。在TEM下即可得到MoS2的层数为14层(图4c), Ag纳米线和MoS2之间的距离为30nm(图4b)。
图5是一种锰酸锂材料的STEM像,该样品是由FIB-SEM制备,图中可以看到清晰的原子像。这表明FIB-SEM制备的该球差透射样非常薄并且有很少的损伤层。
FIB-SEM还可以进行微纳图形的加工。
图6a 是FIB-SEM在Au/SiO2上制备的光栅,光栅周期为150nm,光栅开口为75nm。
图6b 是利用FIB-SEM在Mo/石英上做的切仑科夫辐射源针尖,针尖曲率半径为17nm。
图6c 是在Au膜上加工的三维对称结构蜘蛛网。
图6d 是FIB-SEM在硅上刻蚀的贺新年图案,图中最小细节尺寸仅有25nm。
FIB-SEM可以对材料进行切片式的形貌和成分三维重构,揭示材料的内部三维结构。大概过程如图7a所示, FIB切掉一定厚度的样品,SEM拍一张照片,重复此过程,连续拍上百张照片,然后将上百张切片照片重构出三维形貌。图7b是一种多孔材料内部3×5×2um范围的三维重构结果,其实验数据是利用FIB-SEM采集,三维重构是利用Avizo软件得到,其分辩率可达纳米级,展示了内部孔隙的三维空间分布,并可以计算出孔隙的半径大小、体积及曲率等参数。
利用FIB-SEM配有的纳米机械手及配合使用离子束沉积Pt,可以实现微米材料的转移,即把某种材料从一个位置(衬底)转移到特定位置(衬底),并固定牢固。图8是把四针氧化锌微米线从硅片转移到两电极的沟道之间,从而制备成两个微米线间距只有1um的特殊器件。
最后,FIB-SEM还有很多其他的应用,例如三维原子探针样品制备,芯片线路修改等。总之FIB-SEM是材料研究中一个非常重要的手段。
不积珪步,无以至千里;不积细流,无以成江海。做好每一份工作,都需要坚持不懈的学习。
这一系列文章是我根据Yasutaka Furukawa教授的论文" Multi-View Stereo: A Tutorial , Yasutaka Furukawa and Carlos Hernandez, Foundations and Trends in Computer Graphics and Vision, 2015."的一些总结资料,希望大家能喜欢上三维重建,让我们一起把这个技术用于生活中的方方面面~
三维重建技术在计算机视觉领域已经被学者们研究了30多年。相对于快速更新的计算机领域,这是一个古老的技术。得益于最近微软,谷歌,脸书的崛起和这些公司对虚拟现实,增强现实,地图和游戏方面的持续性投入,三维重建技术以及相关的三维立体视觉越来越受到关注。
三维技术可以应用于很多场景,比如在线购物,三维技术可以让我们在线试衣服,看效果等等,带来二维图像所无法带来的体验感;比如3D打印,可以用于生产零部件或者家具等等;比如计算机游戏里的三维物体的建模;比如恢复历史遗迹的三维结构;比如地图的精细化重建,用于出行和各种商业场景里。
在科技文献的研究里面,三维重建基本可以这么定义:
值得注意的是,如果材料,视角和光照是未知的,那么三维重建问题就会变得异常艰难,因为不同的材料,视角,和光照组合起来也许可以得到相同的三维几何物体。
在图像里,我们有很多特征可以用来抽取图像里物体的几何关系。比如文理,阴影,轮廓,和立体对应关系。目前,立体对应关系在实际应用里是最鲁邦的。在这个方面,多视角立体视觉(Multi-view Stereo, MVS)是一类运用立体对应关系在多张照片上得到三维几何结构的技术。
所有的MVS技术都是将多张照片和相应的相机参数等数据转换成最终的三维物体的。一般MVS技术的框架是这样的:
在之后的文章里,我会分三篇文章介绍MVS技术的前三步主要内容。敬请期待!
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)