关键词:
显微高光谱成像技术
钙钛矿材料
无损检测
理化性质
回归预测
摘要:
近几年,钙钛矿作为材料科学领域研究最多的能源材料之一,凭借其良好的光电性能在太阳能电池等器件上得到了广泛应用。然而材料制备后的晶体厚度不均和组分比例不一致是降低器件性能的重要因素,因此,如何有效检测钙钛矿的晶体质量缺陷是提高钙钛矿器件性能的一个关键问题。显微高光谱技术结合了先进的显微镜技术和光谱学技术,可以捕获和分析一片空间区域中逐像素点的光谱信息,由于可以获取到单个对象不同空间位置上的独特光谱特征,故适合于微纳尺度的材料研究。在本文中,使用自主搭建集成的显微高光谱成像系统,在室温条件下通过透射明场模式获得了钙钛矿单晶(MAPbBr)的三维数据,结合光谱维研究其理化性质,并基于机器学习算法建立了钙钛矿单晶厚度预测的反演模型,达到无损检测钙钛矿结晶质量的目的,显示了显微高光谱成像技术在微纳材料领域的应用前景。具体工作如下:首先,为了研究钙钛矿晶体质量,以一步溶液自组装法制备的MAPbBr为对象,构建了反射和透射两种显微高光谱图像采集单元,并搭载多种成像方法,经过反复实验,确定了相关系统检测参数,以获得高质量的图像数据。通过对比分析不同拍摄模式下的空间信息和光谱信息,最终选择采用透射明场对钙钛矿进行成像并深入研究。其次,经实验分析后,提出MAPbBr的厚度不均和组分比例不一致会影响其光吸收性质。MAPbBr的吸收波长与其厚度成正比,当厚度增加时,晶体对光的吸收增强,其吸收峰会发生红移。此外,在吸收峰之前的光谱范围内,MAPbBr晶的组分比例与其吸光度存在一定的依赖关系,晶体中Br原子所占百分比越小,对光的吸收程度越大。最后,利用多种预处理算法对原始光谱进行光谱变换,运用常规降维方法以及提出的基于钙钛矿单晶厚度光谱特征(Perovskite Thickness Spectral Characteristics,PTSC)的波段选择方法进行特征波段提取,进而借助多种回归建模方法确立钙钛矿单晶厚度预测模型。结果表明,多元散射校正在经岭回归模型验证分理效析后,预处理效果最好。在不同机器学习建模方法对比中,K近邻回归模型表现最佳,其中,提出的PTSC方法相比其他降维算法能够更有效地提取最优建模变量,其结合K最邻近回归模型的估算精度最高,相较于原始光谱的K最邻近回归模型整体提升幅度约为13%。