基于光学高光谱成像的钙钛矿/硅叠层电池快速材料评估

《Solar Energy Materials and Solar Cells》:Application of optical hyperspectral imaging for rapid material assessment of perovskite/silicon tandem cells

【字体: 大 中 小 】 时间:2026年10月24日 来源:Solar Energy Materials and Solar Cells 6.6

编辑推荐:

  光学高光谱成像(optical-HSI)被应用于钙钛矿/硅叠层电池的快速材料评估。研究人员识别了钙钛矿/硅叠层电池中的层非均匀性,并通过数据预处理和主成分分析(PCA)将120通道的高光谱成像数据压缩为六个关键特征。研究实现了监督与无监督机器学习方法用于自动化

  
光学高光谱成像(optical-HSI)被应用于钙钛矿/硅叠层电池的快速材料评估。研究人员识别了钙钛矿/硅叠层电池中的层非均匀性,并通过数据预处理和主成分分析(PCA)将120通道的高光谱成像数据压缩为六个关键特征。研究实现了监督与无监督机器学习方法用于自动化数据分析,并将光学高光谱成像光谱指纹与飞行时间二次离子质谱(ToF-SIMS)测得的层叠变化相关联。该工作为快速、非破坏性叠层电池计量与在线质量控制提供了概念验证。
# 光学高光谱成像用于钙钛矿/硅叠层电池快速材料评估:方法、关联与验证

## 1. 研究背景与问题

当前光伏(PV)技术正逐渐逼近其理论效率极限,叠层太阳电池技术成为研究热点。其中,钙钛矿/硅叠层电池因底电池硅技术成熟而备受关注。该类器件在硅底电池上沉积包含顶电池及界面的多层薄膜叠层,欲实现产业化仍需解决规模化制造、产能、在线质量控制、稳定性与可靠性、电池到组件集成以及现场性能预测与评估等多项挑战。随着叠层电池层叠结构日益复杂,传统表征手段难以同时提供与空间信息对应的材料特异性信息,而这一能力恰是全面分析所必需的。高光谱成像(HSI)能够同时获取空间与光谱数据,可用于识别太阳电池结构中的非均匀性与缺陷,但其尚未大规模进入光伏产业。现有方法各有局限:电致发光(EL)需接触器件且仅适用于完整电池;光致发光(PL)虽非接触,但受限于滤波片配置且难以直接获取层厚或成分等层叠信息;光 beam 诱导电流(LBIC)虽能识别光活性层非均匀性,但速度较慢且需电接触,对于两端叠层电池还需满足电流匹配的偏置光条件。相比之下,光学高光谱成像可在数秒内实现快速、非接触、非破坏检测,同时结合空间与光谱信息,适合光伏制造中的在线质量控制。

## 2. 研究目标与研究内容

本研究旨在利用高光谱成像评估钙钛矿/硅叠层电池中的层不均匀性,建立一套统一的光学-HSI工作流程,适用于不同材料体系与电池设计。该流程涵盖400–1100 nm光谱范围内光学反射数据的采集、稳健的材料无关预处理(归一化、特征缩放、降维),以及通过无监督聚类或有监督分类对光谱指纹进行下游分析。研究人员证明,光学-HSI结合适当的数据处理可分离边缘与中心效应,并识别经受应力测试的叠层电池中的局部非均匀性。进一步地,局部光学光谱的细微变化与飞行时间二次离子质谱(ToF-SIMS)记录的钙钛矿相关层叠深度剖面变化相关联。同时,研究详细讨论了ToF-SIMS方法在叠层太阳电池材料叠层解释中的局限性。与EL、PL和LBIC相比,光学-HSI能够基于光谱和空间分辨数据实现快速、非接触成像,支持快速直接的层叠解释,并有利于质量控制的高度自动化。

## 3. 关键方法与技术

研究人员使用可见-近红外(VNIR)高光谱相机以推扫模式采集封装钙钛矿/硅叠层电池的反射光谱数据,波长范围400–1000 nm,经光谱与空间合并后获得约120个窄带图像。预处理包括归一化(使各像素光谱积分一致)、特征缩放(平衡各波长贡献)和主成分分析(PCA,将120维数据压缩至6维)。数据分析采用有监督分类(支持向量机SVM、k近邻、随机森林)与无监督k-means聚类。为关联光学数据与材料性质,在HSI定义的感兴趣区域(ROI)通过热机械法提取样品碎片,并在IONTOF ToF-SIMS V仪器上进行负极性深度剖析,使用25 keV Bi一次离子束分析和2 keV Cs+溅射束,分析面积约100×100 μm2,溅射面积约300×300 μm2。样本为玻璃-玻璃封装的2 cm×2 cm钙钛矿/硅叠层电池,p-i-n结构,经约200小时85°C干燥热处理及1000小时85°C/85%相对湿度 damp heat(DH)测试后性能下降。

## 4. 研究结果

### 4.1 使用机器学习算法识别非均匀性与缺陷

原始HSI光谱显示,样品角部ROI的光谱指纹与中心ROI明显不同:角部光谱在780 nm附近的峰消失,在560 nm附近出现新峰;边缘ROI在近红外区反射率整体升高,但形状仍与中心相似。经归一化、特征缩放和PCA降维后,六维数据仍保留关键光谱特征。基于PCA前三主成分的假彩色图可直观展示像素间光谱差异。有监督分类中,研究人员定义了边缘、中心、接触和局部缺陷四个类别,用约每类1000像素训练模型,通过交叉验证评估性能。支持向量机(SVM)分类器取得最佳性能,精确率和召回率均接近92%;k近邻分类器次之(约90%)。将训练好的SVM模型应用于全图,得到四类像素分类图,清晰区分了局部缺陷(深红)和边缘效应(绿色)。无监督k-means聚类将全部像素分为四个簇,其结果与SVM分类图高度相似,但局部缺陷与接触区域被归入同一簇,表明聚类虽无需训练数据,但分辨率略低。该简化表示还可快速量化受影响区域比例(如边缘区与中心区面积比)。

### 4.2 ToF-SIMS层叠分析与相关测量伪影

为验证光学-HSI光谱差异是否对应真实的材料层叠变化,研究人员在中心、边缘和角部三个ROI进行了ToF-SIMS深度剖析。选用I??(钙钛矿层标志)、3?Si?(硅底电池a-Si/c-Si标志)和113InO?(ITO互连层标志)离子信号。中心与边缘位置的深度剖面几乎重合,表明这两处层化学和厚度相似,同时也验证了ToF-SIMS测量的可重复性。相比之下,角部位置的深度剖面截然不同:各离子强度比值显著变化,ITO和a-Si/c-Si相关信号在更浅深度即出现,符合局部顶电池有效覆盖减少、层连续性改变、粗糙度/孔隙率变化或溅射动力学改变的解释。研究详细讨论了六种ToF-SIMS测量伪影的影响:高能Bi分析束损伤、不同材料溅射速率差异、基体效应导致离子强度不等于浓度、气体团簇离子束引发的化学改变、离子混合与粗糙度导致深层信号过早出现、以及单次深度剖面的解释风险。研究指出,虽然角部剖面不能唯一确定具体的结构或化学退化机制,但其与HSI和LBIC信号的关联一致表明顶电池完整性受损。由于各ROI材料相同且测量条件一致,定性比较仍视为有效。

## 5. 讨论与结论

### 讨论总结

光学-HSI结合合适的数据分析算法可成为光伏研发和生产的强有力表征工具。HSI测量速度快,适合在线应用。预处理和降维可减少光照变化等测量条件影响,使降维后的数据仍代表完整信息,且无需复杂硬件即可进行监督或无监督分析。分类或聚类结果能自动识别具有不同光谱性质的电池区域,而这些区域与ToF-SIMS测得的深度分辨材料组成差异相关:光谱指纹相似的ROI具有相似的ToF-SIMS数据,光谱指纹可区分的ROI对应明显的ToF-SIMS差异。该工作流程避免了不必要的样品制备和检测,将材料分析聚焦于最相关的效应和区域,从而加速开发周期。光学-HSI是对EL、PL和LBIC等成熟成像方法的补充:电光技术更关注载流子寿命、局部电阻率等电学性质,而光学-HSI通过局部光谱指纹更直接地反映层厚和成分。与LBIC相比,光学-HSI和发光成像的测量速度相当,均适合在线质量控制。研究还指出,可通过多光谱LED光源配合单色相机替代高光谱相机实现更具成本效益的部署,而光学-HSI可用于确定最相关波长。此外,结合物理光学模型有望半定量提取层厚等参数,但仅适用于模型所覆盖的层叠体系。

### 研究结论翻译

本研究证明,光学高光谱成像(optical-HSI)结合稳健的数据预处理和机器学习分析,能够为钙钛矿/硅叠层电池的层叠非均匀性提供快速、非破坏的见解。通过包含归一化、特征缩放和PCA降维的数据预处理,研究人员获得紧凑的六维表示,其保留了缺陷检测和层非均匀性评估所需的基本光谱指纹。应用于预处理数据的监督分类和无监督聚类能够以较高精度自动识别和定位边缘、中心、接触区域和缺陷。观察到的光谱变化与ToF-SIMS分析所揭示的层叠微观结构和/或化学差异相关,验证了光学-HSI作为补充计量工具的实用性。该方法可作为快速引导,定位相关感兴趣区域,并为后续样品制备和高分辨率微观结构材料分析提供初步线索。同时,它不允许对潜在退化机制等作出确定结论,这些需要进一步的材料分析数据和更大的样本集。HSI方法支持适用于在线质量控制的快速检测,并可为器件开发和制造优化过程中的快速决策提供信息。虽然光学-HSI提供丰富的光谱和空间信息,但其与分析材料方法的集成可导致对材料特性的全面理解。未来工作将探索硬件简化(如多波长LED变体)和物理信息模型,以直接从光学-HSI数据提取定量层参数。总体而言,该工作流程为复杂光伏器件的自动化、高通量质量评估建立了实用路径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号