据麦姆斯咨询介绍，半导体行业专业媒体SemIConductor Engineering近日与比利时微电子研究中心（imec）“像素创新（Pixel Innovations）”项目经理Pawel Malinowski进行了对话，双方讨论了图像传感器技术的新变化及驱动因素。以下为麦姆斯咨询编译的访谈内容。
Q：图像传感器领域接下来有哪些值得关注的趋势？
Malinowski：我们正在努力摆脱硅光电二极管的局限，探索制造图像传感器的新方法。硅是较完美的材料，尤其是在复制人类视觉方面，因为对可见光波长很敏感，这意味着我们可以利用硅完成人眼所能看到的一切。现在，该领域已经非常成熟，图像传感器全球出货量每年可以达到约60亿颗。这些传感器芯片最终被用于智能手机、汽车以及很多其应用的摄像头。这些是典型的标准图像传感器，其中含有硅基电路或电子器件及硅光电二极管。基本上重现了红/绿/蓝（RGB）三元色，这样我们就可以用图像传感器拍出漂亮的照片。但如果我们观察其波长，例如紫外或红外波段，就会发现在可见光波段无法获取的现象或信息。现在，我们特别关注红外波段。其中，在波长1微米到2微米之间，我们称之为短波红外（SWIR）。有了这个波段的探测能力，我们就可以“看透”某些事物，例如，透视雾、烟或云，这对于汽车应用来说尤其有用。
Q：这项技术需要克服哪些挑战，又带来了哪些新应用？
Malinowski：在短波红外波段我们无法用硅材料，因为对于这个波段是“透明”的。这对于缺陷检测来说很有趣，例如，检测硅太阳能电池的裂缝。在可见光波段看起来完全相同的材料，在短波红外波段可能具有不同的反射率，这意味着可以提供更好的对比度，例如，塑料或食品的分拣。通过主动发射光并检测反射回来的光，我们可以进行物体检测。例如，这就是iPhone上Face ID的类似工作原理，采用了波长940纳米左右的光。如果采用更长的波长，例如1400纳米，可以获得更低的背景噪声，这意味着可以有更好的对比度。
短波红外波段优势及其潜在应用（来源：imec）
Q：如何实现短波红外波段的感知？
Malinowski：硅由于其本身的物理特性，不是理想的短波红外传感材料。传统的方法是键合，采用另材料（例如铟镓砷或碲镉汞）将其键合在硅基读出电路上。这是现有技术。已被用于国防、军事、高端工业或科研应用，但是很昂贵。由于键合工艺和制造成本的原因，用这种技术制造的短波红外传感器通常需要几千欧元。当然，也可以在硅衬底上生长所需要的材料，比如锗，但这相当困难，而且在降低噪声方面也存在一些问题。我们采用了第三种方法，即沉积材料。在这种情况下，我们要么使用有机材料，要么使用量子点。我们采用了能吸收短波红外光或近红外光的材料，并用标准方法进行沉积（如旋涂），得到了非常薄的敏感层。这就是为什么我们将这类传感器称为“薄膜光电探测器”，这种材料的吸收特性比硅高得多。看起来像摊在硅基读出电路顶部的“煎饼”。
Q：与其材料相比，有哪些特性？
Malinowski：硅二极管需要更大的体积和更大的深度，尤其对于更长的波长，会变得透明。相比之下，薄膜光电探测器（TFPD）图像传感器具有单片集成的材料堆栈，包括量子点有机材料等光敏材料，这意味着是一颗在硅顶部没有键合的芯片。这种方法的问题是，在金属电极上集成这样的光电二极管时，很难将噪声降到足够低的水平，因为有一些固有噪声源是无法消除的。
薄膜光电探测器（TFPD）（来源：imec）
Q：那你们是如何解决这个问题的？
Malinowski：我们遵循了硅基图像传感器在20世纪80年代末和90年代的发展方式，引入了PIN光电二极管，将光子转换的光电二极管区域和读出解耦。我们引入了一个额外的晶体管，而不是只有一个薄膜吸收体与读出电路的接触。这就是TFT，负责使结构完全耗尽，这样我们就可以将薄膜吸收体中产生的所有电荷转移，并通过该晶体管结构将转移到读出电路。通过这种方式，我们显著地限制了噪声源。
Q：对于图像传感器设计，为什么噪声是一个大问题？
Malinowski：噪声有不同的来源。噪声可以是不需要的电子的总数，但这些电子可能来自不同的来源或不同的原因。有些与温度有关，有些与芯片中的不均匀性有关，有些则与晶体管漏电有关，当然还有其原因。通过这种方法，我们正在研究与读出相关的一些噪声源。所有的图像传感器都有噪声，但处理噪声的方法不同。例如，iPhone中的硅基图像传感器通过特定的读出电路设计来处理噪声源，其架构的基础可以追溯到上世纪80年代和90年代。这算是旧设计思路在新型传感器中的应用，也给了我们一定的启发。
Q：您预计短波红外图像传感器在哪些领域获得应用？您提到了汽车，也适用于医疗器械吗？
Malinowski：这项技术最大的驱动力来自智能手机等消费电子产品。如果使用更长的波长，可以获得更好的对比度，因为更长波长下的背景噪声更少。这是增强视觉，这意味着相机可以看到比人眼更丰富的东西，捕捉更多的信息。另一个吸引人的地方在于，更长的波长更容易通过一些显示器。例如，通过这种解决方案，我们可以将Face ID这样的人脸识别传感器放在显示器下方，实现真正的全屏显示，无需“刘海”或者挖孔屏。
利用短波红外增强视觉（来源：imec）
另一方面，对于更长的波长，人眼的敏感度低很多，相比近红外波长大约低五六个数量级，这意味着我们可以使用更强的光源。更高的功率，意味着更远的探测距离。对于汽车应用，可以获得额外的能见度，特别是在恶劣天气条件下，例如透过雾的能见度。
对于医疗应用，这可以帮助推进器械的小型化。对于内窥镜等一些应用，现有技术使用了其材料以及更复杂的集成，因此小型化相当困难。使用量子点方案，我们就可以制作非常小的像素，这意味着可以在紧凑的形状尺寸中获得更高的分辨率。使其在保持高分辨率的同时进一步小型化。根据我们的目标波长，我们可以获得非常高的水的对比度，这也是食品行业可能感兴趣的原因。例如，这可以更好地检测谷物产品中的水分。
量子点短波红外图像传感器的潜在应用（来源：imec）
Q：凭借增强的微光视觉能力，短波红外图像传感器有望在军事领域获得应用吗？
Malinowski：这类传感器在军方已有应用，例如，用于探测激光测距仪。不同的是，军方可以为一台这样的相机支付2万欧元，在此之前，汽车或消费行业想都不敢想。
Q：所以这项突破有望使大众用消费级的价格获得先进的微光视觉功能？
Malinowski：没错，凭借小型化以及单片集成的可扩展性，使过去上万欧元的军用短波红外成像技术现在可以实现消费类产品的规模和价格。
Q：图像传感器技术领域还有哪些趋势值得关注？
Malinowski：目前的讨论点是，超越可见光成像。现有技术对于拍照来说已经非常出色了。图像传感器的新趋势是对于不同的应用更加细分、更专业化。并不是所有的应用都需要输出漂亮的照片，也可以是特定的信息。例如，对于Face ID，输出实际上可以是1或0，要么智能手机已解锁，要么没有。这个过程中我们不需要看到人脸的照片。还有一些有趣的应用范式即将兴起，比如偏振成像仪，就像偏振眼镜，可以增强难以区分物体的对比度。
还有一类基于事件的图像传感器，只观测场景的变化，例如，研究机器的振动或统计经过商店的人。对于自动驾驶系统，面对迎面而来的障碍物，需要及时提出警告。这些情况，我们并不需要漂亮的照片。这一趋势意味着更碎片化，图像传感器特性将更具体地针对应用而开发。这影响着人们设计图像传感器的方式，因为关注的是如何适合特定的应用，而不是一味地优化图像质量。成像质量固然重要，但有时我们仅需要一些简单的信息即可完成任务。
Q：有必要辨别障碍物是人还是树吗？还是能识别到什么时候需要立即刹车就足够了？
Malinowski：在汽车行业，仍然存在争论。有些人认为需要对所有的物体进行分类。想知道障碍物是儿童、摩托车手还是树。也有人认为“我们只需要知道是否挡道，是否需要踩刹车”就够了。所以，目前还没有一个定论。
审核编辑：刘清
