在當今數字時代,イメージセンサ 光學特性是所有視覺系統的心臟,無論是我們日常使用的智能手機、高清監控攝像頭,還是尖端的自動駕駛汽車、醫療診斷設備,其核心都離不開高性能的イメージセンサ。這些微小的晶元能夠將光信號轉化為電信號,進而形成我們所見的圖像。然而,要實現清晰、准確、高質量的圖像,僅僅有感光能力是遠遠不夠的。イメージセンサ的性能,尤其是其光學特性,是決定最終圖像質量、系統集成度以及應用潛力的關鍵。
イメージセンサ 光學特性涵蓋了多個維度,它們共同決定了感測器如何有效地捕捉光線、如何准確地再現色彩、以及在各種復雜光照條件下的表現。從入射光線的角度響應,到不同波長光的轉換效率,再到微觀層面光子與像素結構的相互作用,每一個細節都至關重要。本文將深入探討イメージセンサ的各項核心光學特性,包括主光線角度（CRA）的優化、量子效率（QE）與分光感度特性、光學特性的測量與模擬技術、光學特性對AI視覺的影響,以及片上微透鏡與光電二極體結構的演進。我們將結合中國本土的實際案例,力求為讀者呈現一個全面、深入且富有實踐指導意義的イメージセンサ光學特性圖景。
主光線角度（CRA）最適化戦略:小型レンズと高性能化の課題と解決策
在追求設備小型化和高性能的今天,智能手機、可穿戴設備乃至無人機等產品對內置攝像頭模塊的尺寸要求越來越高。這直接導致了鏡頭尺寸的縮減,進而對イメージセンサ的光學特性提出了新的挑戰,其中最為核心的便是主光線角度（Chief Ray Angle, CRA）。CRA指的是光線從鏡頭出射並入射到感測器像素中心時的角度。理解和優化CRA對於確保圖像質量,尤其是在小型化應用中,至關重要。
傳統的相機鏡頭設計,光線通常會以接近垂直的角度入射到感測器表面,即CRA較小。然而,當鏡頭為了實現小型化而變得更薄、更緊湊時,光線從鏡頭邊緣出射的角度會變得更傾斜,導致CRA增大。如果感測器像素無法有效地捕捉這些傾斜入射的光線,就會出現「邊緣失光」（shading）現象,即圖像邊緣亮度下降,甚至出現「色彩偏移」（color shift）,即圖像邊緣色彩不準確。
以我們日常使用的智能手機為例,如華為P系列或小米數字系列旗艦機,為了在有限的機身厚度內集成高性能多攝像頭系統,鏡頭模組的設計極限壓榨。這就要求其內部的イメージセンサ必須對高CRA光線有良好的響應能力。如果CRA特性不佳,用戶會發現在拍攝大光圈照片時,背景虛化區域的邊緣可能出現亮度不均或色彩失真,影響最終的成像效果。在車載攝像頭領域,如自動駕駛車輛上搭載的廣角攝像頭,為了實現大視場角,鏡頭通常會產生較大的CRA,此時感測器對高CRA的適應性直接關繫到車輛環境感知的准確性和安全性。
為了解決高CRA帶來的問題,イメージセンサ和鏡頭的設計必須進行深度協同優化。這不再是簡單的「鏡頭搭感測器」模式,而是從系統層面進行一體化設計。鏡頭設計者會盡量控制出射光線的CRA分布,使其與感測器的最佳CRA響應范圍相匹配。同時,感測器製造商也在不斷改進像素結構,以提高其對大角度入射光線的捕獲效率。
例如,在一些超廣角手機鏡頭中,為了兼顧畫質和小型化,鏡頭設計者會採用復雜的非球面鏡片組合,盡可能將邊緣光線的CRA控制在感測器可接受的范圍內。而對於一些特殊應用,如內窺鏡攝像頭,其鏡頭直徑可能只有幾毫米,出射光線的CRA會非常大。此時,感測器必須具備極強的CRA適應性,否則圖像質量將無法滿足醫療診斷的需求。
為了應對日益增長的CRA挑戰,感測器製造商開發了多種創新技術:
微透鏡陣列（Microlens Array）優化: 這是最常見且有效的CRA優化手段。在每個像素的頂部,都集成了一個微型透鏡,用於將入射光線聚焦到下方的光電二極體上。通過優化微透鏡的形狀、尺寸、曲率以及相對於光電二極體的位置,可以有效地調整光線的入射角度,使其更垂直地進入感光區域。對於高CRA場景,可以設計偏心的微透鏡,將傾斜入射的光線「掰正」後導入光電二極體。例如,國內領先的感測器設計公司,在為手機廠商定製圖像感測器時,會根據不同鏡頭的CRA特性,精細調整微透鏡陣列,以確保在手機邊角區域也能獲得均勻的亮度和色彩。
片上透鏡位移（On-chip Lens Shift）: 針對高CRA光線,可以通過將像素頂部的微透鏡相對於其下方的光電二極體進行微小的橫向位移來優化光線收集。這種位移並非固定不變,而是根據像素在感測器陣列中的位置（靠近中心還是邊緣）進行調整。邊緣像素的微透鏡會向中心方向偏移,以更好地引導傾斜入射的光線。這項技術在提升邊緣畫質方面表現出色,尤其對於手機超廣角攝像頭這類高CRA應用,效果顯著。
深光電二極體結構（Deep Photodiode Structure）: 增加光電二極體的深度,可以增加光子在其中被吸收的概率,從而提高量子效率。同時,更深的光電二極體在一定程度上也能更好地捕捉傾斜入射的光線,因為它提供了更長的吸收路徑。然而,過深的光電二極體可能會增加串擾（crosstalk）的風險,因此需要權衡。
像素隔離技術（Pixel Isolation）: 為了減少光線從一個像素溢出到相鄰像素造成的串擾,通常會在像素之間設置物理或電學隔離。有效的隔離可以確保光線被准確地聚焦到目標像素的光電二極體中,從而間接改善CRA引起的色彩偏移問題。例如,利用深溝槽隔離（Deep Trench Isolation, DTI）技術,可以在像素之間形成物理屏障,顯著降低串擾,提升色彩純度。
通過這些技術的綜合運用,現代イメージセンサ正不斷突破小型化與高性能之間的矛盾,為智能手機、無人機、自動駕駛等領域提供了強大的視覺感知能力。例如,大疆（DJI）的無人機在集成超輕量級相機模塊時,其感測器就必須高度優化CRA,以應對航拍過程中可能出現的極端光照角度和廣角畸變,確保圖像和視頻的穩定性和清晰度。
光の「質」を捉える:イメージセンサの量子効率（QE）と分光感度特性が拓く新応用領域
除了光線的入射角度,イメージセンサ如何有效捕捉不同波長的光線,即其量子效率（Quantum Efficiency, QE）和分光感度特性,是衡量其性能的另一個核心指標。QE定義為每個入射光子被轉換為電荷（電子空穴對）的效率,而分光感度則描述了感測器對不同波長光線的響應能力。這兩項特性不僅決定了圖像的亮度,更決定了圖像的色彩准確性、信噪比以及在特殊應用領域的潛力。
高QE意味著感測器能夠更有效地利用入射光線,這對於低照度環境下的成像至關重要。提高QE的主要技術途徑包括:
背照式（Backside Illumination, BSI）技術: 傳統的CMOS感測器採用前照式結構,光線需要穿過金屬布線層和介電層才能到達光電二極體,這會導致一部分光線被遮擋或反射,降低QE。BSI技術將感光區域置於晶元背面,光線直接從背面入射到光電二極體,避免了布線層的阻擋,顯著提高了光線利用率和QE。目前,幾乎所有主流的智能手機高端攝像頭感測器都採用了BSI技術,例如索尼IMX系列感測器,它們在低光照條件下表現出色,能拍攝出更明亮、噪點更少的夜景照片。中國國內的感測器廠商如格科微、豪威（已被韋爾股份收購）等,也已全面掌握並應用BSI技術,提升其產品競爭力。
抗反射膜（Anti-Reflection Coating, ARC）: 在感測器表面鍍上一層或多層光學薄膜,可以減少光線在空氣與感測器介質界面處的反射損失,從而增加進入光電二極體的光量,提高QE。不同波長的光需要不同厚度和折射率的ARC,因此設計一個寬光譜范圍高效的ARC是一項復雜的光學工程。
光電二極體結構優化: 優化光電二極體的深度、摻雜濃度分布、以及與微透鏡的匹配度,可以最大化光子的吸收效率。例如,一些感測器會採用「深阱」（deep trench）結構,增加光電二極體的有效吸收體積,提升對長波長光（如紅色光和近紅外光）的響應。
分光感度特性決定了感測器對不同顏色光的響應強度。為了實現准確的色彩再現,イメージセンサ通常會集成拜耳濾色陣列（Bayer filter array）,將每個像素只感應紅、綠、藍三原色中的一種光。然後通過插值演算法重構出全彩色圖像。理想的分光感度曲線應該是對各自顏色波段有高響應,而對其他顏色波段響應極低,這樣才能避免色彩串擾,保證色彩純凈度。
然而,在許多新興應用領域,對特定波長光的感度需求遠超可見光范圍:
紫外（UV）感應: 在工業檢測中,UV成像可用於檢測材料表面缺陷、塗層均勻性、偽鈔識別等。例如,在食品安全領域,UV感測器可用於檢測食品表面黴菌或細菌污染。在半導體製造中,UV光刻膠的檢測也需要高UV感應度的感測器。
近紅外（NIR）感應: NIR光具有較強的穿透力,能夠穿透霧霾、水蒸氣、某些非透明材料。這使得NIR感測器在以下領域大放異彩:
為了滿足這些特定波長的感度需求,感測器設計者會採用特殊的材料、結構和工藝。例如,通過調整硅的摻雜濃度或引入鍺等元素,可以擴展感測器的紅外響應范圍。同時,移除或優化傳統用於可見光的濾色片,也是提升特定波長感度的重要手段。
在色譜分析、光譜成像等高精度應用中,甚至會使用沒有拜耳濾色片的「全光譜」感測器,然後通過外部的分光器件或可調諧濾光片來選擇特定波長進行成像,以獲取更精確的光譜信息。這些技術進步使得イメージセンサ不再僅僅是捕捉可見光的「眼睛」,而是能夠探測更廣闊電磁波譜的「多光譜之眼」,開啟了前所未有的應用可能性。
見えない光を可視化する:イメージセンサ光學特性の測定・評価技術とシミュレーションの最前線
在イメージセンサ的研發、生產和質量控制過程中,准確地測量和評估其光學特性是不可或缺的環節。這些特性包括量子效率（QE）、主光線角度（CRA）、串擾（Crosstalk）、暗電流（Dark Current）、光響應非均勻性（Photo Response Non-Uniformity, PRNU）等。只有全面掌握這些數據,才能指導產品設計優化,確保產品性能符合預期,並滿足客戶需求。同時,先進的光學模擬技術在開發早期階段,能夠極大地縮短研發周期,降低成本。
對イメージセンサ光學特性的精確測量,是產品從概念走向量產的必經之路。例如,在手機攝像頭模組的生產線上,每個批次的感測器都需要進行QE和CRA的抽樣檢測,以確保成品率和圖像質量的穩定性。如果感測器在出廠前未能准確評估其CRA特性,那麼集成到手機中後,很可能出現邊緣亮度下降或色彩偏移的問題,導致用戶體驗不佳,甚至引發大規模召回。
在工業檢測領域,如半導體晶圓檢測設備,其核心的イメージセンサ需要極高的PRNU（光響應非均勻性）和低暗電流特性。如果這些特性不達標,可能導致檢測結果出現誤判,進而影響整個生產線的良品率。因此,對這些關鍵參數的嚴格測量和校準是確保設備可靠性的基石。
為了實現高精度、高效率的測量,業界開發了多種專業的評估設備和標准化的測量方法:
量子效率（QE）測量: 通常使用單色儀、積分球和標准光源系統。單色儀用於選擇特定波長的光,積分球則提供均勻的光照環境,確保光線均勻地照射到感測器表面。通過測量不同波長下感測器輸出的電荷量,並與已知光子數量進行比較,即可計算出QE。國際上有一些標准化的QE測量方法,例如ISO 14524定義了數碼相機圖像感測器的分光感度測量方法。在中國,一些國家級計量機構和大型實驗室,如中國計量科學研究院,也建立了專業的QE測量平台,為國內感測器廠商提供校準和測試服務。
主光線角度（CRA）測量: 測量CRA通常需要一個高精度測角儀（Goniometer）系統。該系統能夠精確控制入射光線的角度,並測量感測器在不同入射角下的響應。通過掃描不同角度並記錄像素輸出,可以繪制出感測器的角度響應曲線,從而評估其CRA特性。一些先進的CRA測量設備甚至可以實現對微透鏡陣列的局部CRA特性進行測量,幫助工程師更精確地優化像素設計。
暗電流（Dark Current）測量: 暗電流是指在沒有光照的情況下,感測器像素內部產生的電荷。它會隨著溫度升高而增加,是導致圖像噪點的重要因素。測量暗電流通常在完全黑暗、溫度受控的環境下進行,通過長時間曝光後讀取像素輸出的電荷量來計算。為了降低暗電流,許多高性能感測器會採用製冷技術,如半導體製冷片（TEC）。
串擾（Crosstalk）測量: 串擾是指光線從一個像素溢出到相鄰像素,導致圖像模糊或色彩失真。測量串擾可以通過點光源照射單個像素,然後分析相鄰像素的響應來評估。或者通過在感測器上投影特定圖案（如黑白棋盤格）來分析相鄰像素的相互影響。
隨著AI和機器視覺的興起,對高動態范圍（HDR）、低雜訊、高幀率等特性的測量也變得日益重要。專業的測試設備能夠模擬各種極端光照條件,評估感測器在復雜環境下的表現。
在物理測量耗時耗力且成本高昂的背景下,光學模擬技術在イメージセンサ設計階段發揮著越來越重要的作用。它允許工程師在晶元製造之前,就能預測和優化感測器的光學性能,從而大幅縮短研發周期,降低試錯成本。
時域有限差分法（Finite-Difference Time-Domain, FDTD）: FDTD是一種基於麥克斯韋方程組的數值模擬方法,可以精確模擬光波在復雜微納結構（如微透鏡、光電二極體、金屬布線層）中的傳播、衍射、反射和吸收。它能夠提供高精度的像素級光學性能預測,例如光在微透鏡中的聚焦效率、光電二極體中的吸收分布、以及光線串擾的程度。國內一些大學和研究機構,如清華大學、中科院半導體所,在利用FDTD進行光電器件模擬方面積累了豐富的經驗,為國內感測器設計提供了理論指導。
嚴格耦合波分析法（Rigorous Coupled-Wave Analysis, RCWA）: RCWA適用於周期性微納結構的模擬,如光柵、光子晶體等。在イメージセンサ中,它可用於分析光線通過像素陣列的傳播特性,尤其在評估微透鏡陣列和光電二極體陣列的整體光學響應時表現出色。RCWA在計算效率上通常優於FDTD,適用於對大尺寸周期性結構進行快速迭代優化。
蒙特卡洛模擬（Monte Carlo Simulation）: 蒙特卡洛方法通過模擬大量光子的隨機路徑,來統計光子在感測器結構中的吸收和散射行為。這種方法對於模擬光子在復雜多層結構中的隨機傳播、以及評估量子效率和串擾等方面非常有效。它能夠處理一些FDTD和RCWA難以模擬的復雜幾何形狀和隨機缺陷。
這些模擬工具與實際測量相結合,形成了「設計-模擬-製造-測量-反饋」的閉環優化流程。例如,在開發一款新型高像素手機感測器時,設計團隊會首先利用FDTD和RCWA對微透鏡和光電二極體結構進行模擬,預測其CRA和QE特性。然後根據模擬結果進行流片（tape-out）,製造出第一批樣品。樣品出來後,再通過高精度測量設備進行實際測試,並將測試結果與模擬數據進行比對,從而驗證模擬模型的准確性,並指導下一輪的設計迭代。這種高效的研發模式,正是中國感測器產業快速崛起的重要驅動力之一。
AIビジョンを支えるイメージセンサの「目」:光學特性がディープラーニング推論に與える影響と最適化
隨著人工智慧（AI）技術的飛速發展,圖像識別、目標檢測、人臉識別等應用已滲透到我們生活的方方面面。在這些AI視覺系統中,イメージセンサ扮演著「眼睛」的角色,其光學特性直接決定了輸入數據的「質量」,進而對深度學習模型的訓練效果和推理精度產生決定性影響。一個高質量的感測器能夠提供更豐富、更准確、更穩定的原始數據,從而使AI模型能夠更好地理解場景,做出更精準的判斷。
在低照度環境下,圖像感測器容易產生大量雜訊,如隨機雜訊、固定模式雜訊等。這些雜訊會嚴重干擾AI模型的識別能力。想像一下,一輛自動駕駛汽車在夜間行駛,如果其車載攝像頭因感測器雜訊過大而無法清晰識別路標或行人,後果將不堪設想。因此,低雜訊特性對於AI視覺系統至關重要。
暗電流與讀出雜訊: 暗電流是感測器在無光照下產生的電荷,讀出雜訊則是在讀取像素電荷時引入的雜訊。兩者都是低照度下雜訊的主要來源。高性能感測器通過優化光電二極體結構、降低缺陷密度、採用先進的讀出電路設計（如相關雙采樣CDS）,以及在某些情況下採用片上溫度控制,來顯著降低暗電流和讀出雜訊。例如,在城市監控攝像頭中,為了實現24小時不間斷監控,需要感測器在夜間也能提供清晰的圖像。國內的安防巨頭如海康威視、大華股份,在設計其AI監控攝像頭時,會優先選擇具有極低暗電流和讀出雜訊的イメージセンサ,並結合圖像處理演算法進一步降噪,以確保AI分析的准確性。
信噪比（SNR）: SNR是衡量圖像質量的重要指標,高SNR意味著圖像中有效信號遠大於雜訊。在低照度條件下,提高QE能夠增加信號量,從而間接提高SNR。同時,降低雜訊本身也是提升SNR的關鍵。對於AI模型而言,高SNR的圖像意味著其特徵提取器能更容易地識別出有意義的模式,而不是被雜訊干擾。
動態范圍是指感測器能夠同時捕捉到的最亮和最暗部分的亮度范圍。在現實世界中,光照條件往往復雜多變,例如逆光場景、隧道出入口、室內外光線差異巨大的環境。普通感測器在這些場景下,要麼亮部過曝,要麼暗部細節丟失,無法提供完整的場景信息。高動態范圍（HDR）感測器能夠克服這一挑戰,提供兼顧亮部和暗部細節的圖像。
HDR技術對於自動駕駛、智能家居、視頻會議等應用尤其重要。例如,一輛自動駕駛汽車駛出隧道,如果感測器動態范圍不足,可能在瞬間無法看清隧道外的強光區域,導致安全隱患。HDR技術通過多種方式實現,包括:
多重曝光: 感測器在短時間內進行多次不同曝光時間的拍攝（例如,一次長曝光捕捉暗部細節,一次短曝光捕捉亮部細節）,然後將這些圖像合成一幅HDR圖像。這種方法在保證圖像質量的同時,可能犧牲一定的幀率。
對數響應像素: 設計具有非線性響應特性的像素,使其在亮度較低時響應靈敏,在亮度較高時響應平緩,從而擴展動態范圍。這種方法通常會犧牲一定的信噪比。
片上HDR演算法: 一些感測器直接在晶元內部集成了HDR處理單元,可以在硬體層面實時合成HDR圖像,減輕後端ISP（Image Signal Processor）的負擔。在中國的智能家居領域,如小米、華為的智能攝像頭,普遍搭載了HDR功能,以應對室內外光線復雜、逆光等場景,確保用戶無論何時都能獲得清晰的監控畫面。
AI模型在處理HDR圖像時,能夠獲得更豐富的紋理和顏色信息,從而在復雜光照條件下表現出更強的魯棒性和識別准確性。
色忠實度（Color Fidelity）是指感測器對真實世界色彩的准確再現能力。它受到感測器分光感度特性、拜耳濾色片質量、以及後期圖像處理演算法的影響。對於AI視覺系統而言,准確的色彩信息對於區分不同物體、識別特定顏色特徵（如交通信號燈的紅綠燈、特定顏色的警示標志）至關重要。
例如,在工業視覺檢測中,如果感測器色忠實度不高,可能導致對產品表面顏色缺陷的誤判。在醫療影像中,准確的色彩信息對於病理分析和診斷具有決定性意義。為了提高色忠實度,除了優化感測器本身的分光感度,還需要精確校準色彩矩陣,並採用先進的色彩管理演算法。
高質量的イメージセンサ 光學特性對AI模型的影響是多方面的:
訓練數據質量: 高質量的感測器能夠捕獲更真實、更豐富的圖像數據,這些數據是訓練深度學習模型的「養料」。如果訓練數據本身就充滿了雜訊、色彩失真或動態范圍不足,那麼無論模型結構多麼先進,都難以學到有效的特徵,最終導致模型性能上限受限。例如,為自動駕駛模型收集訓練數據時,會特意選用高品質的HDR、低雜訊感測器,並涵蓋各種天氣和光照條件,以確保模型在真實世界中的泛化能力。
推論精度與魯棒性: 在模型部署後的推論階段,高質量的輸入數據能夠減少不確定性,提高模型的識別精度和對環境變化的魯棒性。例如,在人臉識別門禁系統中,一個具備優秀低照度性能和HDR能力的感測器,即使在夜晚或逆光環境下也能准確識別用戶,提升使用體驗和安全性。商湯科技（SenseTime）和曠視科技（Megvii）等AI視覺公司在開發其人臉識別解決方案時,都會對配套的感測器提出嚴格的光學性能要求。
計算資源優化: 高質量的原始圖像數據意味著AI模型在預處理階段所需進行的降噪、去偽影等操作更少,從而可以節省計算資源,降低功耗,提高推論速度,這對於邊緣計算設備（如智能手機、機器人）尤為重要。
在為AI視覺系統選擇感測器時,工程師需要綜合考慮應用場景的需求:
自動駕駛和安防監控: 優先考慮高動態范圍、低雜訊、良好的NIR感度（用於夜視和激光雷達）。
工業檢測和醫療影像: 強調高解析度、高色忠實度、特定波長感度（如UV或定製光譜）。
消費電子（手機、AR/VR）: 關注小型化、高CRA適應性、卓越的低照度性能和色彩表現。
通過對イメージセンサ 光學特性的深入理解和優化,我們可以為AI提供更明亮、更清晰、更准確的「眼睛」,從而解鎖更多AI應用的潛能,推動智能社會的持續發展。
イメージセンサの「光の匠」:オンチップマイクロレンズとフォトダイオード構造が織りなす光學特性の進化
イメージセンサ的性能,尤其是其光學特性,並非僅僅取決於外部的宏觀鏡頭,更深層次地,它是由像素內部的微觀結構所決定。這些微觀結構包括每個像素頂部的片上微透鏡（On-chip Microlens）以及其下方的光電二極體（Photodiode）的形狀、深度和布局。它們是感測器捕捉光線、轉換信號的核心「匠心」所在,直接影響著光線的集光效率、串擾、靈敏度、雜訊以及關鍵的CRA（主光線角度）響應。理解這些微觀結構如何相互作用,對於推動イメージセンサ性能的持續進化至關重要。
片上微透鏡是每個像素頂部的微型光學元件,其主要功能是將入射到像素表面的光線盡可能多地聚焦到下方狹小的光電二極體區域。在CMOSイメージセンサ中,光電二極體通常只佔據像素總面積的一部分（填充因子）,微透鏡的作用就是提高這個填充因子,確保更多的光子被有效收集。
集光効率の向上: 早期感測器微透鏡是簡單的圓形,但隨著像素尺寸的縮小,光電二極體的面積也隨之減小,導致集光效率下降。為了解決這個問題,微透鏡的形狀和曲率被精心設計,以最大化光線的聚焦效果。例如,可以採用非球面微透鏡,或者優化微透鏡的堆疊層數和材料,以減少光線損失。一些先進的感測器甚至會採用「無縫微透鏡陣列」,即微透鏡之間沒有空隙,最大限度地利用了像素麵積來集光。
角度応答（CRA）の最適化: 如前所述,微透鏡的形狀和位置對於CRA特性至關重要。對於感測器邊緣的像素,入射光線角度較大,此時微透鏡會設計成偏心結構,使其光學中心與光電二極體的幾何中心錯開,從而將傾斜入射的光線「矯正」後導入光電二極體,有效減少邊緣失光和色彩偏移。這種精細的微透鏡設計需要高精度的光刻和沉積工藝來完成。
背照式（BSI）感測器的微透鏡: 在BSI感測器中,光線從晶元背面入射,避免了金屬布線層的遮擋。這為微透鏡的設計提供了更大的自由度,可以設計更接近光電二極體的微透鏡,從而進一步提高集光效率和CRA響應。這也是BSI感測器在低照度性能和廣角成像方面表現出色的重要原因。
中國在半導體製造領域,如中芯國際（SMIC）和華虹宏力（Hua Hong Grace）等晶圓代工廠,在先進工藝節點上,已經具備了製造高精度片上微透鏡的能力,為國內感測器設計公司提供了堅實的工藝基礎。這些技術進步使得智能手機攝像頭能夠集成更小的像素（如0.7微米甚至0.6微米）,同時保持甚至提升圖像質量。
光電二極體是真正將光子轉換為電子的核心單元。其結構設計對感測器的感光能力、雜訊、動態范圍和串擾有著決定性的影響。
深さ（Depth）と形狀: 光電二極體的深度直接影響其對不同波長光的吸收效率。較深的光電二極體能夠更好地吸收長波長光（如紅色光和近紅外光）,因為這些光子的穿透能力更強。但過深可能增加串擾或影響響應速度。因此,需要根據目標應用場景（如可見光相機或NIR相機）來優化其深度。同時,光電二極體的橫向形狀和尺寸也影響其集光面積和電荷收集效率。
ドーピングプロファイル（Doping Profile）: 通過精確控制硅材料的摻雜濃度分布,可以優化光電二極體內部的電場,從而提高光生電子-空穴對的收集效率,減少復合損失。例如,梯度摻雜可以幫助電子快速漂移到收集節點,降低暗電流和雜訊。
深溝分離（Deep Trench Isolation, DTI）: DTI技術是在像素之間製造深而窄的溝槽,並填充絕緣材料。這些溝槽形成了物理屏障,有效阻止了光子和光生電子從一個像素溢出到相鄰像素,從而顯著降低了像素間的串擾,提高了色彩純度和圖像銳度。尤其是在像素尺寸不斷縮小的今天,DTI技術對於保持圖像質量至關重要。例如,在手機高像素感測器中,DTI的應用使得即使在極小的像素尺寸下,也能獲得清晰的圖像邊緣和純凈的色彩。
全局シャッター（Global Shutter）構造: 傳統卷簾快門（Rolling Shutter）感測器在拍攝快速移動物體時容易出現果凍效應。全局快門通過在所有像素同時曝光後,將電荷快速轉移到存儲節點,從而消除果凍效應。這通常需要更復雜的光電二極體和電荷傳輸結構,例如引入額外的存儲二極體,以確保在曝光結束後電荷能迅速轉移,並等待後續的讀出。全局快門感測器在工業檢測、無人機航拍、機器人視覺等領域具有無可替代的優勢,因為它們需要捕捉精確無畸變的運動圖像。國內一些專注於工業視覺的感測器公司,正在積極研發和量產具備全局快門功能的イメージセンサ。
イメージセンサ的微觀結構仍在不斷演進,以滿足更高的性能需求:
堆疊式感測器（Stacked Sensor）: 現代感測器普遍採用堆疊式結構,將感光層（光電二極體）和邏輯電路層（ADC、ISP等）垂直堆疊,通過TSV（Through-Silicon Via）技術連接。這種結構不僅可以減小晶元面積,還能讓感光層專注於光線捕捉,邏輯層專注於信號處理,從而實現更高的性能和更低的功耗。未來可能會出現更多層堆疊的結構,集成AI計算單元或更復雜的處理功能。
單光子雪崩二極體（SPAD）陣列: SPAD是一種能夠探測單個光子的超靈敏感測器,具有極高的靈敏度和精確的計時能力。SPAD陣列可以用於構建更高精度的LiDAR系統,實現更遠距離、更高解析度的三維感知。隨著SPAD工藝的成熟,未來它們可能會集成到消費級產品中,用於更高級的ToF（Time-of-Flight）測距或極低光成像。
新型材料的應用: 除了硅基感測器,研究人員還在探索使用新型材料,如量子點、有機半導體、鈣鈦礦等,來製造具有特定光譜響應或更高QE的感測器,以滿足更廣泛的應用需求。
這些微觀層面的創新,是イメージセンサ性能不斷突破的關鍵。從微米級的微透鏡到納米級的摻雜區域,每一個細節都體現了「光之匠人」的精湛技藝,共同構築了現代視覺技術的基石。
結論
イメージセンサ 光學特性是現代科技不可或缺的核心組成部分,它們決定了我們如何捕捉、理解並利用光線信息。從智能手機的便捷拍攝到自動駕駛的精準感知,從醫療診斷的細微洞察到工業生產的嚴格質檢,高性能的イメージセンサ無處不在,並持續推動著各行各業的創新與發展。
我們深入探討了主光線角度（CRA）如何影響小型化設備中的圖像質量,以及通過微透鏡陣列和片上透鏡位移等技術如何應對高CRA挑戰。我們解析了量子效率（QE）和分光感度特性如何決定感測器對不同波長光的響應,並揭示了其在紫外、可見光和近紅外領域的廣闊應用前景。文章還強調了精確測量和先進模擬技術在イメージセンサ研發中的關鍵作用,它們是確保產品性能和加速創新周期的重要保障。此外,我們詳細闡述了光學特性對AI視覺系統輸入數據質量的決定性影響,以及低雜訊、高動態范圍和色忠實度如何賦能深度學習模型的訓練與推理。最後,我們聚焦於片上微透鏡和光電二極體等微觀結構設計,它們是感測器光學性能持續進化的根本動力。
展望未來,隨著人工智慧、物聯網、虛擬現實和增強現實等技術的進一步普及,對イメージセンサ性能的需求將永無止境。更小巧、更靈敏、更智能、更具光譜選擇性的イメージセンサ將不斷涌現。中國在イメージセンサ領域正迎來前所未有的發展機遇,從晶元設計到晶圓製造,再到終端應用,本土企業正通過持續的技術創新和投入,在全球產業鏈中扮演越來越重要的角色。我們相信,對イメージセンサ光學特性的深入研究和不懈追求,將繼續點亮數字世界的每一個角落,為人類社會帶來無限可能。