Instrumentierung und Prozessmesstechnik: Bildgebende mechatronische Systeme

Kontakt:
Univ.-Prof. Dipl.-Ing.Dr.sc.techn. Georg Schitter
Dr. Peter Chang

Ein Forschungsschwerpunkt der Gruppe für industrielle Automation am ACIN liegt in der Performanz Verbesserung mechatronisch, bildgebender Systeme, wie beispielsweise der Rastersonden-Technologie, von intelligenten Kamerasystemen und der adaptiven Optik, unter Zuhilfenahme von analytischer Mechatronik, Systemintegration sowie Regelungstechnik und Automation. Ziel ist es, präzise Messungen, Bildaufnahmen, Materialcharakterisierungen sowie die Manipulation makroskopischer, industrieller Systeme auf molekularer Ebene zu ermöglichen. Dies umfasst die Betrachtung eines integrierten mechatronischen Entwurfs, welcher dadurch geprägt ist, dass bereits in der Phase der Systementwicklung alle Systemkomponenten der Gesamtapplikation berücksichtigt werden. Beispiele für solche Komponenten sind mechanische Strukturen beteiligter Komponenten sowie Leistungsverstärker, Aktuatoren, Sensoren, Elektronik, Echtzeit-Regelung sowie Randbedingungen, die von der speziellen Applikation herrühren.

 
Abb.1: Bildaufnehmende mechatronische Systeme sind Teil eines fächerübergreifenden Forschungsfelds. Systemintegration ist hierbei ein entscheidender Faktor für die Entwicklung leistungsstarker Systeme.

Rastersondenmikroskope:

Die Nanotechnologie ist eine Schlüsseltechnologie des 21 Jahrhunderts mit dem Potenzial, elementare Durchbrüche in den Materialwissenschaften, der Umweltforschung und den Naturwissenschaften zu ermöglichen. Dabei ist es essentiell Systeme zu haben, die Einblicke und Kontrolle bis in den Molekularbereich gewähren. Rastersondenmikroskope, im Speziellen Atomic-Force-Mikroskope (AFM) (siehe Abb. 2), erfüllen diese Anforderungen, da diese Bilder mit Subnanometer-Auflösung unter diversen Umweltbedingungen (z.B. Luft oder Wasser) aufnehmen können.

 
Abb.2: Funktionsschema eines AFMs. Eine scharfe Spitze am Ende eines flexiblen Mikrobalkens (engl. Cantilever) untersucht die Probenoberfläche in z-Richtung, wobei die Probe lateral (in der X-Y-Ebene) im Rasterverfahren abgetastet wird. Die Wechselwirkung (Kraft) zwischen Spitze und Probenoberfläche wird mittels Feedback-Regelung konstant gehalten. Durch Aufnahme der Durchbiegung des Mikrobalkens und der Regelgröße (Z-Auslenkung) an der jeweiligen X-Y Position kann so ein Topographiebild erstellt werden.

Video-rate AFM:
Ein laufendes Forschungsprojekt befasst sich mit dem Entwurf von Atomic-Force-Mikroskopen (AFM), mit hoher zeitlicher Auflösung unter Beibehaltung der üblichen Nanometer-Auflösung. Daraus resultiert eine interessante und herausfordernde Forschungsaufgabe im Bereich der Mechatronik und Regelung. Dies beinhaltet die Entwicklung eines mechatronischen Systems, bestehend aus mechanischem Design, Aktuatoren und Sensoren, sowie einer Regelung, welche Bandbreiten im MHz Bereich bei Subnanometer- Präzision ermöglicht. Im Zuge der Forschung konnte ein Hochgeschwindigkeits-AFM realisiert werden, welches um drei Größenordnungen [I1] schneller ist als ein konventionelles AFM. Die Aufnahmedauer für ein Bild konnte so von mehreren Minuten auf einige Hundertstel-Sekunden reduziert werden. Ein Ziel dieser Forschung ist es, erstmals Videoaufnahmen (25 Bilder/Sekunden und mehr) von chemischen und biologischen Prozessen auf molekularer Ebene zu ermöglichen, so wie sie in der Natur vorkommen. Ein weiterer Ansporn liegt in der Steigerung des Durchsatzes von automatisierten AFM Systemen, die in der Industrie beispielsweise für die Qualitätsprüfung von Halbleiterbauelementen, Nano-Beschichtungen, Solarzellen oder Displays eingesetzt werden.

 
Abb.3: Diese Bildserie zeigt am Beispiel von Ratenschwanz-Kollagenproben, wie das Hochgeschwindigkeits-AFM einen ausgewählten Bildausschnitt vergrößern kann [I1]. Das charakteristische 65 nm breite Kollagenmuster ist deutlich sichtbar. Der Bildausschnitt konnte in weniger als einer Sekunde aufgenommen werden. Konventionelle AFMs würden für die Aufnahme der gesamten Bildserie mehr als 15 Minuten benötigen.

Materialcharakterisierung und neue Messverfahren:
Ein weiteres Forschungsziel im Bereich der Rastersonden-Instrumentierung ist, neben der Echtzeit-Bildaufnahme auf molekularer Ebene, die Entwicklung von Werkzeugen und Methoden zur erweiterten Materialcharakterisierung. Der Fokus in der Instrumentierung liegt auf der Entwicklung von Messsystemen für die quantitative Bestimmung topographischer, mechanischer, chemischer und elektrischer Eigenschaften für Anwendungen im Bereich der Materialwissenschaften. Das ambitionierte Ziel ist Information über mehrere Eigenschaften der Materialprobe durch eine einzelne Messung simultan und mit hoher örtlicher Auflösung zu erhalten.

 
Abb. 4: Messung mit einem Magnetkraftmikroskop (engl. MFM). Jeder Zeilenscan des Rasterscans wird zweimal durchgeführt. (1) Im ersten Durchlauf wird die Probentopographie aufgenommen. (2) Die mit ferromagentischem Material beschichtete AFM Spitze wird in definierter Höhe relativ zur Probenoberfläche positioniert. Derselbe Zeilenscan wird mit konstantem Abstand zur Probenoberfläche wiederholt (3), wobei das zuvor gemessene Oberflächenprofil zur Vorsteuerung verwendet wird. Die magnetischen Interaktionskräfte zwischen Balkenspitze und Probe werden, während der Balken schwingt, mit hoher örtlicher Auflösung gemessen.

Ein weiteres Forschungsgebiet ist die Magnetkraftmikroskopie (engl. MFM) (Abb. 4), mit deren Hilfe ferromagnetische Partikel identifiziert werden können, die unterhalb der Probenoberfläche eingebettet sind. Eine Applikation zielt auf den Einsatz voll automatisierter AFM Systeme an entlegenen Orten, wie z.B. der Einsatz während einer Mondmission [I2], wobei verschiedene Messmethoden mit minimaler Parameteranpassung eingesetzt werden. Innerhalb unserer Forschung werden Probenpräparierung und Prozessparameter von MFM-Messungen untersucht, wobei bereits Resultate bezüglich genauer Lokalisierung gescannter Partikel und Erkennen von Partikelmustern erzielt werden konnten [I2]. Die ersten MFM-Bilder ferromagnetischer Partikel (Abb. 8) zeigen einzelne eingebettete und zusammengehäufte Partikel.

 
Abb. 5: Das AFM-Topographiebild zeigt das Oberflächenprofil der Materialprobe. Ferromagnetische Partikel, die (teilweise) unter der Probenoberfläche eingebettet sind, sind mit Kreisen markiert (vgl. Abb. 6). Diese Partikel sind zwar im MFM-Phasenbild (Abb. 6) zu sehen, jedoch nicht im Topographiebild.

 
Abb. 6: Das MFM-Phasenbild zeigt die eingebetteten ferromagnetischen Nanopartikel unter der Probenoberfläche. Die weißen Kreise markieren die Position einzelner Partikel, der schwarze Kreis zeigt ein Partikel-Konglomerat.

Automation von AFMs und neuartige Messköpfe:
Unsere Forschung geht in Richtung neuartiger AFM Systeme mit automatisiertem, anpassungsfähigem und miniaturisiertem Design. Aufgrund ihrer Funktionsweise (Abb. 2) sind derzeitige kommerziell verfügbare AFMs keine Produkte, die man ohne fundierter Sachkenntnis in Betrieb nehmen kann. Eine gewisse Erfahrung des AFM Benutzers ist erforderlich, um zuverlässige Messungen zu erhalten. Neben einem genauen Verständnis des AFM Messprinzips müssen Benutzer hinsichtlich der richtigen Handhabung mit dem Mikrobalken, dem Ausrichten des Laser-Systems und der Optimierung der Scan-Parameter geschult werden. Eins unserer Ziele ist die Reduzierung manueller Operationen, die nicht mit der direkten Messung in Verbindung stehen. Nur durch Minimierung der Benutzerinteraktion bezüglich Einrichtens des AFMs und Durchführung des Experiments können voll automatisierte AFM Systeme geschaffen werden.

Eine Möglichkeit zur Handhabungsverbesserung und einen Schritt in Richtung AFM Automation für industrielle Anwendungen ist die Verwendung selbstmessender Balken, welche keine fehleranfällige Laserausrichtung erfordern. Beispielsweise untersuchen wir die Integration von Akiyama Messköpfen als auch optisch integrierter Ferrule-top Messköpfe (Abb. 7) in AFM Systemen. Ein wichtiger Aspekt ist dabei die Erforschung der Charakteristika (Performanz) selbstmessender Messköpfe in diversen Betriebsmodi und im Speziellen für Hochgeschwindigkeits-AFMs.
Gleichzeitig entwickeln wir Algorithmen und Systemtechniken, die eine automatische Ausrichtung und Adaptierung der optisch basierenden Deformierungsmessung des Mikrobalkens erlauben, welche in konventionellen AFMs Einsatz findet.

 
Abb. 7: Schematische Darstellung zweier selbstmessender AFM Mikrobalken. (Links) Beim Akiyama AFM Balken (A-probe) wird der Balken am Ende einer stimmbaren Gabel befestigt. Durch das Anregen und Aufzeichnen der stimmbaren Gabel ist der Messkopf selbstmessend und selbstaktuierend. (Rechts) Ferrule-top Balken sind aus optischem Ferrule Glas gemacht, die zusätzlich eine optische Faser enthalten. Ein Laser, der in der optischen Faser geführt wird und einen beschichteten Balken beleuchtet, kann direkt zur Bestimmung der Balkenverformung verwendet werden.

Adaptive Optik und optische Messtechnik:

Fortschritte bei wissenschaftlichen Geräten, im Speziellen durch Adaptive Optik (AO), haben die Auflösung optischer Bildsysteme wie z.B. (scannende) optische Mikroskope signifikant verbessert. Die verbesserte Bildauflösung wird erreicht, indem Aberrationen im optischen Pfad durch aktive Elemente (Wellenfrontmanipulation) kompensiert werden. Dies geschieht beispielsweise durch deformierbare Spiegel (siehe Abb. 8) oder Lichtmodulatoren. Um die Systemleistung hinsichtlich Geschwindigkeit, Auflösung und Versatilität zu steigern, sind mechatronisches Systemdesign und moderne Regelungstechnik unumgänglich.
Unsere Forschung im Bereich der adaptiven Optik liegt in der Entwicklung von versatilen, Hochgeschwindigkeits-Wellenfrontsensoren, der verbesserten Regelung deformierbarer Spiegel, einer optimalen Systemintegration des AO-Systems sowie in der verbesserten Funktionalität optischer Mikroskope, im Speziellen für konfokale Rastermikroskope (engl. Scanning Confocal Microscope) für die biomedizinische Forschung [I4, I6].

 
Abb. 8: Deformierbarer Spiegel mit piezoelektrischen Aktuatoren.

Adaptive Optik im konfokalen Rastermikroskop:
Konfokale Rastermikroskope und Fluoreszenz-Mikroskopie ermöglichen das Aufnehmen von 3D-Bildern biologischer Systeme, beispielsweise von Zellen, mit höher örtlicher Auflösung. Dies ermöglicht Einblicke auf molekularer Ebene. Fortlaufende Forschungsthemen sind die Steigerung der Bildaufnahmegeschwindigkeit konfokaler Mikroskope und die Kompensation von im optischen Pfad auftretenden Aberrationen, die durch die Probe selbst oder durch das benötigte Deckglas, welches die Probe schützt, verursacht werden. Durch diese Forschung entstand ein automatisches Korrektursystem für konfokale Rastermikroskope (Abb. 10). Durch Optimierung spezieller Bildparameter unter Verdrehung eines Korrekturrings konnten sphärische Aberrationen deutlich reduziert und ein optimales Bild generiert werden. Dadurch wird die Auflösung der Bilder verbessert und gleichzeitig die für die Bildaufnahme benötigte Laserleistung reduziert, was wiederum schnelle Bildaufnahmen erlaubt und das Ausbleichen der Probe reduziert [I4].

 
Abb.9: Setup zur automatischen Kompensation des Deckglases für konfokale Rastermikroskope (engl. Scanning Confocal Microscope, SCM). Der Fokus des verstellbaren Objektivs wird mittels eines motorisierten Korrekturringes eingestellt. Durch das systematische Maximieren des Kontrastes und der Bildschärfe axialer Bildaufnahmen (z-Richtung) werden hochauflösende SCM Bilder (Abb. 11) generiert.

 
Abb. 10: Automatischer Prozess zur Deckglaskorrektur. Beginnend von links nach rechts, werden zunächst x-z Bilder mit verschiedenen Fokusse aufgenommen. Danach wird ein Mittelwertfilter und ein Matched-Filter angewandt sowie eine Normalisierung durchgeführt. Auf Basis dessen wird die Qualität der Korrektur beurteilt und optimiert um letztlich die Bildqualität zu erhöhen.

 
Abb.11: Beispiel für eine optimales Bild, basierend auf der automatischen Korrektur eines SCMs. Fluoreszenzbilder in x-y-Richtung von (a,b) Human Hepatocellular Carcinoma Cell Line (HHCCL) und (c,d) Mouse Embryonic Fibroblasts (MEF), aufgenommen mit einem SCM. Links: Sphärische Aberrationen, hervorgerufen durch eine Dickenvariation der Deckgläser, verschlechtern die Bildauflösung und Bildschärfe. Rechts: Durch das optimale Einstellen des SCMs mithilfe einer opto-mechanischen Komponente werden sphärische Aberrationen kompensiert, was in helleren und schärferen Bilder resultiert.

Intelligente Kameras und eingebettete Systeme:
In industriellen Anwendungen sind präzise Messungen nicht nur für die Bestimmung kleinster Merkmale notwendig, sondern auch während der Produktion und dem Zusammenbau größerer Objekten. Unsere Forschung im Bereich industrieller Kamerasysteme geht in Richtung fortschrittlicher Bildverarbeitung und präziser Messtechnik in Produktionsprozessen. Durch Kombination der kamerabasierenden Messtechnik mit hochauflösenden Bildverarbeitungstechniken kann der Messbereich vergrößert werden, was vor allem für Prozesse in der Massenfertigung eine wichtige Rolle spielt, wie beispielsweise in der Nanotechnologie.

 
Abb. 12: Eine industrielle Kamera besteht aus einer Vielzahl von Komponenten.

Intelligente Kameras kombinieren optische Komponenten, Bildsensorik und eingebetteten Prozessoren um schnelle und effiziente Bildverarbeitung sowie Extraktion von Bildinformation zu erzielen. Mithifle dieser intelligenten Komponenten können rekonfigurierbaren Messsystemen geschaffen werden, die schnell und optimiert an beliebige Anwendungen angepasst werden können. Ziel ist eine Anpassung der Messplattform ohne tiefgreifende Modifikation der Hardware und zusätzliche Komponenten. Unsere Forschung geht in Richtung neuer Anwendungsgebiete intelligenter Kamerasysteme für industrielle, kostengünstige Präzisionsmesssysteme.

 
Abb. 13: (a) Die einfallende, verzerrte Wellenfront wird örtlich mittels eines Mikrolinsenarrays abgetastet, wodurch (b) Fokalpunkte auf dem Bildsensor entstehen. Relativ zu den Fokalpunkten einer idealen Wellenfront (grau), erscheinen Fokalpunkte einer verzerrten Wellenfront (rot) versetzt. Basierend auf der Messung der Lage der Fokalpunkte (Gradienten der Wellenfront) kann die gesamte Wellenfront rekonstruiert werden.

Eine Anwendung intelligenter Kameras liegt in der Entwicklung schneller Wellenfrontsensoren für die adaptive Optik (AO). In gegenwärtigen AO Anwendungen limitieren Abtastrate und Totzeit (Latenzzeit) des Wellenfrontsensors die erzielbare Bandbreite des gesamten AO Systems [I3]. Die meisten AO Systeme setzen dabei Shack-Hartmann Sensoren ein, die aus einem Mikrolinsenarray und einem Bildsensor bestehen.

Unsere Forschung basiert auf einer intelligente Kamera, welche einen kostengünstigen FPGA als parallele Berechnungseinheit nutzt, wodurch die Messung und Rekonstruktion der Wellenfront (siehe Abb. 13 und Abb. 14) mit einer Latenzzeit von lediglich 740 Nanosekunden durchgeführt werden kann [I5]. Dieser schnelle Wellenfrontsensor und dessen Weiterentwicklungen versprechen großes Pontzial zur Leistungssteigerung zukünftiger AO Systeme.

 
Abb. 14: Ergebnis der Wellenfrontrekonstruktion des entwickelten Shack-Hartmann Wellenfrontsensors (Latenzzeit 740 ns). Dabei wird ein hoch parallelisiertes Berechnungsschema auf einem kostengünstigen FPGA einer handelsüblichen industriellen Kamera ausgeführt.

Referenzen:

[I1] P. Hansma, G. Schitter, G. Fantner, and C. Prater: High-Speed Atomic Force Microscopy, Science 314, p.601-602 (2006)

[I2] D. Kohl, G. Schitter, and U. Staufer: The Potential of Magnetic Force Microscopy for in-situ Investigation of Nanophase Iron in Lunar Dust, Planetary and Space Science, in press (2012)

[I3] H. Song, G. Vdovin, R. Fraanje, G. Schitter, and M. Verhaegen: Extracting hysteresis from nonlinear measurement of wavefront-sensor-less adaptive optics system, Optics Letters 34(1), p.61-63 (2009)

[I4] H.W. Yoo, M.V. Verhaegen, M.E. van Royen, G. Schitter: Automated adjustment of aberration correction in scanning confocal microscopy, 2012 IEEE International Instrumentation and Measurement Technology Conference I2MTC, 13.-16. May 2012, Graz, Austria, p.1083-1088 (2012)
This paper won the 2nd place in the best graduate student paper award (3 places awarded).

[I5] M. Thier, R. Paris, T. Thurner, and G. Schitter: Low Latency Shack-Hartmann Wavefront Sensor based on an Industrial Smart Camera, IEEE Transaction on Instrumentation and Measurement, in press (2012)

[I6] H.W. Yoo, S. Ito, M. Verhaegen, G. Schitter, Iterative learning control of a galvanometer scanner for fast and accurate scanning laser microscopy, in Mechatronics 2012, September 17 - 19, 2012, Linz, Austria, p. 537-543 (2012)