SWIR 이미지 센서 기술개발 동향 및 응용현황

SWIR 이미지 센서 기술개발 동향 및 응용현황

글 _ 이재웅 한국생산기술연구원 차세대 반도체 재료

특 집 특 집

CERAMIST

Abstract

Imaging in the Short Wave Infrared (SWIR) provides several advantages over the visible and near-infrared regions:

enhanced image resolution in in foggy or dusty environments, deep tissue penetration, surveillance capabilities with eye-safe lasers, assessment of food quality and safety. Commercially available SWIR imagers are fabricated by integrating expensive epitaxial grown III-V compound semiconductor sensors with Si-based readout integrated circuits(ROIC) by indium bump bonding Infrared image sensors made of solution-processed quantum dots have recently emerged as candidates for next-generation SWIR imagers. They combine ease of processing, tunable optoelectronic properties, facile integration with Si-based ROIC and good performance. Here, we review recent research and development trends of various application fields of SWIR image sensors and nano-materials capable of absorption and emission of SWIR band. With SWIR sensible nano-materials, new type of SWIR image sensor can replace current high price SWIR imagers.

Keywords: Short wavelength infrared (SWIR), Quantum dot, Image sensor, Bio imaging

1. 서론

사람들은 일상생활에서 시각, 후각, 청각, 촉각, 미각 등의 감각기관 중 시각에 가장 많이 의존한다. 보통사람 은 감각기관을 통해 획득하는 정보의 70~80 % 이상을 시각에 의해 얻는다고 한다. 이에따라 보다 수월한 정보 의 저장과 이용을 위해 과학자들은 사람의 눈과 같은 역 할을 할 수 있는 이미지센서의 개발에 몰두해왔다. 1960 년대 말 CMOS (Complementary Metal Oxide Semiconductor)기술이 개발되고 1970년대 CCD (Charge Coupled Device) 기술이 소개되면서 본격적으

로 이미지 센서의 개발이 시작되었다.

실리콘이나

III-V 족 무기화합물과 같은 결정성 무기물 기반의 소재

개발과 리소그래피(lithography) 패턴 형성법과 같은 공

정의 고도화는 고효율의 빠른 이미지 센서의 개발로 이어

졌으며, 이미지 센서는 현대인의 필수품인 스마트폰을 비

롯해서 감시카메라, 의료영상 등 사회전반에서 널리 쓰이

고 있다. 이미지 센서는 물체에 반사된 빛(광자)을 받아들

여 전기신호(전자)로 전환하여 사람이 볼 수 있도록 디스

플레이로 표시하거나 저장장치에 저장하는 반도체소자

로서 수광소자, 픽셀 회로 부분, ASIC 부분으로 구성된

다. 그 중 CMOS 센서는 스마트폰에 탑재되면서 화소수

특 집

CERAMIST

증가와 노이즈 감소, 처리속도 향상 등 지난 10여년간 눈 부신 발전을 해왔다. 덕분에 사람의 눈과 같은 역할을 하 는, 때로는 사람의 눈보다 정교한 이미지 센서를 우리는 손쉽게 접할 수 있게 되었다. 이와 같은 이미지 센서의 발 전은 인간의 눈이 볼 수 없는, 하지만 그만큼 더 많은 정 보를 얻을 수 있는 새로운 이미지 센서에 대한 연구로 이 어지고 있다.

사람이 볼 수 없으면서 가시광선보다 낮은 에너지를 갖 는, 그래서 상대적으로 안전한 적외선 영역의 빛은 이미 우리주변에서 유용하게 사용되고 있다. 기상분석, 야간 관측, 통신, 분광분석법, 의료분야, 군사목적 등 다양한 분야에서 적외선이 사용되고 있다. 이에 따라 적외선을 통해 만들어진 영상을 사람의 눈으로 볼 수 있게 해주는 적외선 이미지 센서의 개발도 본격적으로 이루어지고 있 다

. 적외선 중 가장 짧은 NIR (near infrared)은 기존 의 실리콘 기반 이미지 센서를 이용하면 비록 낮은 효율 을 갖더라도 감지가 가능하기 때문에 가장 활발히 연구되 어 왔다. 최근 과학자들은 NIR보다 낮은 산란 특성을 가 져 더 멀리 볼 수 있고, 더 깊이 관측 가능하며, 보다 안 전한 SWIR (short-wavelength infrared)에 관심을 가 지고 연구를 진행하고 있다. SWIR 대역 연구는 끊임없이 주변을 탐지하고, 사람과 인터랙션(interaction) 하는 보 다 스마트한 기기들이 출연하고 IoT (Internet of Things) 센서들이 빠르게 발전하면서 그 수요가 빠르게 증가하고 있다. 현재의 간헐적이고 순간적인 적외선 스캐 닝(scanning)대신 지속적이고 항시적으로 적외선 스캐닝 을 필요로 하는 시대를 대비하여 보다 안전하면서 뛰어난 성능을 가진 SWIR 대역의 연구가 필수적이 되고 있다

.

본 글에서는 SWIR 대역이 사용되고 있는 혹은 사용될 것으로 기대되고 있는 다양한 응용 분야의 최근 연구개발 을 설명하고, 이후 SWIR 대역의 흡수, 방출이 가능한 소 재분야의 연구 동향에 대해 간단히 설명하고자 한다.

SWIR 대역의 새로운 대체 물질의 발전은 기존의 SWIR 이미지 센서의 가격적인 한계를 극복할 수 있는 새로운 SWIR 이미지센서의 출현을 불러왔고, 이와 관련된 대표 적인 연구 아이디어를 제공하고자 한다.

2. 반도체 퀀텀닷을 이용한 SWIR 바이오 이미징

세포 내에서 일어나는 현상을 영상화하여 질병을 진단, 치료 할 수 있는 바이오 이미징 기술은 신약개발과 질병 진단 등에 필수인 핵심기술로서 글로벌 기업들의 적극적 인 투자와 함께 활발한 연구가 진행되고 있다. 특히, 대 한민국 정부가 추진중인 4차 산업혁명의 키워드인 바이 오(biological)와 물리학(physical)등에 직접적인 수혜를 받으면서 다양한 나노기술의 발전과 더불어 바이오 이미 징 분야에서 가파른 성장이 예상되고 있다

.

바이오 이미징 기술은 민감도와 공간분해능 등의 특성 에 따라 자기공명영상(MRI), 양전자단층촬영(PET), 단일 광자단층촬영(SPECT), 광학영상(optical fluorescenece) 등 다양한 영상법을 통해 발전해왔다

. 그 중에서도 최근 나노기술의 발전으로 표적성(targeting)과 생체 안정성 이 획기적으로 증가한 나노 재료들의 출현은 광학영상법 의 괄목할만한 성장을 가져왔다. 광학영상법을 이용한 바 이오 이미징 기술의 핵심은 피부아래의 보다 깊은 조직의 이미지를 높은 해상도로 얻는 것이다

. 높은 인체 투과 도를 갖는 엑스레이 등의 영상법이 이미 존재하지만 방사 선은 생물학적 조직에 위험을 초래할 수 있기 때문에 보 다 낮은 에너지의 광자를 이용한 영상법의 개발을 통해 사람들로 하여금 보다 안전하고 손쉬운 진단을 받을 수 있도록 하는 것이 필요하다. 사람이 쉽게 눈으로 인식할 수 있는 가시광선을 이용한 방법은 피부에서 강한 흡수와 산란으로 인해 표면 조직에만 적합하기 때문에 생체 내 이미징을 위해 NIR (700~900 nm) 대역의 형광 조영제 (small molecules, nanoparticles)가 지난 20여년간 연 구되어 왔다

. 가시광선 대비 생체 조직에 의한 산란 이 적고, 실리콘 기반의 CCD 카메라의 이용과 저렴한 광 원의 사용이 가능하기 때문에, NIR 형광체에 대한 연구 는 화학과 생물학 분야에서 활발히 연구되어 왔다. 이와 같은 집중적인 연구는 FLAIRE

, Novadaq Spy Elite

, da Vinci surgical system

등에 적용되며 실제 의학분 야에서 사용되고 있다.

NIR 기반의 바이오 이미징 기술의 발전에도 불구하고

여전히 남아있는 문제는 NIR 파장을 이용한 광학영상법

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

의 조직 침투 깊이가 여전히 수mm에도 미치지 못한다는 점이다. 이는 가시광선 파장대역의 산란 문제점과 마찬가 지로 NIR 파장대역의 빛이 가지는 근본적인 문제이며 이 로 인해 작은 동물실험이나 인체의 유방, 피부, 결장 등 을 관찰하는데 그치고 있다. 얕은 조직 침투 문제를 해결 하고 보다 큰 동물(토끼, 개, 돼지 등)의 바이오 이미징 연 구를 위해 SWIR에 대한 연구의 필요성이 높아지고 있다.

SWIR (1000~2000 nm) 대역의 빛을 이용한 생체 영 상은 Fig. 1에서 보는 바와같이 가시광선이나 NIR 파장 대역의 빛을 이용한 영상에 비해 노이즈로 작용하게 되는 자발형광(autofluorescence)이 적고, 피나 조직에 의한 빛의 흡수가 작아 더 깊이까지 침투가 가능하며, 적은 산 란 특성을 통해 보다 고화질의 영상을 볼 수 있는 등 다양 한 장점을 가지고 있다

. 이 같은 장점에도 불구하고 SWIR 영역에 대한 연구의 발전이 느렸던 이유는 SWIR 파장대에서 고효율을 갖는 형광물질이 없었기 때문이었 다. 과거 SWIR 대역에서 주로 사용되어왔던 대표적인 형 광물질은 시아닌 염료(cyanine dyes)

, Pt 복합체 (complexes)

, SWCNTs (single walled carbon nano-

tubes)

등이다. IR-26, IR-1048, IR-1061과 같은 유 기염료들은 안정하나 소수성(hydrophobic)의 특성을 갖 고 0.1% 이하의 낮은 양자효율로 인해 실제 활용에 어려 움을 겪고 있다

. SWCNTs 의 경우 800~1600 nm 파 장대역의 넓은 대역폭을 가진다는 장점을 가지고 있으나 0.1% 정도의 낮은 광자 변환효율로 인해 바이오 이미징에 활용하기에는 너무 어둡고 비효율적이다

.

나노기술의 발전과 더불어 SWIR 대역의 고효율 형광 물질로 주목 받고 있는 물질은 InAs, InP, PbSe, PbS, HgTe, Ag

S, Ag

Se, CuInS

, CuInSe

와 같은 다양한 반도체 물질기반의 퀀텀닷 소재이다

. 반도체 나노입자 인 퀀텀닷의 높은 광발광 효율은 기존의 형광물질과 비교 하여 수배에서 수십배에 이르는 밝은 바이오 이미지 구현 을 가능하게 한다. 그 동안 SWIR 대역의 퀀텀닷 물질의 가장 큰 단점은 수성매질 내에서 불안정하며 쉽게 열화 (degradation)된다는 점이었다. 이를 해결하기 위해 발 광코어(emitting core)를 2겹이상의 견고한 껍질(shell) 이나 산화물 코팅등을 이용하여 안정성 문제를 해결하려 는 노력이 이어지고 있다. 그 중에서도 MIT (Massachusetts

Fig. 1. SWIR(NIR-II)의 이점¹⁹⁾ (a) 산소 포화농도에 따른 헤모글로빈의 흡수도, (b) 파장에 따른 감소된 스캐터링 계수, (c) 1mm 물의 흡수도, (d) 쥐의 간에서의 자발형광(autofluorescence), (e), (f) IR 대역(NIR-I and NIR-II)의 빛을 이용한 쥐의 뇌 생체내 이미지 해상도 비교²⁰⁾.

특 집

CERAMIST

Institute of Technology)의 Bawendi 그룹의 최근 논문은 주목할만한 발전을 보여준바 있다

. Fig. 2에서 보여주는 것처럼 InAs(indium arsenide)기반의 퀀텀닷을 core- shell-shell 구조의 이중 껍질을 이용하여 InAs-CdSe- ZnSe 구조를 통해 최대 30 % 의 양자효율을 달성하였으 며 이는 CNTs의 100배이상, PbS 기반 퀀텀닷의 7배 이 상에 달하는 수치이다. 또한 쥐 실험을 통해 여러 장기의

지방단백질 대사 회전율과 심장 박동 및 호흡 속도, 뇌 혈 관계의 3차원 정량 지도 등을 보여줌으로써 낮은 에너지 를 이용하는 SWIR 기반의 바이오 이미징 기술이 기존의 MRI, PET, SPECT 등의 이미징 기술을 단순히 보완하는 것뿐 아니라 직접적인 대안이 될 수도 있다는 가능성을 보여주었다.

Fig. 2. InAs core/shell 퀀텀닷, (a) 크기에 따른 발광 특성, (b) TEM 이미지, (c) 양자 수율, (d), (e), (f) 유기용매에서 수성버퍼 용액으로 이동 후에도 방출스펙트럼의 변화는 거의 없음, (g), (h) 가색(pseudocolour) SWIR 이미지²⁷⁾.

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

3. 자율주행차를 위한 LIDAR 기술

라이다(LIDAR: light detection and ranging) 센서 기술은 1960년대 레이저의 발명과 함께 본격적으로 연구 가 진행되어 왔으며, 아폴로 15호(1971년)가 라이다 기술 을 활용하여 달의 표면을 맵핑(mapping)하는데 성공함 으로써 그 가치가 본격적으로 인정받기 시작했다

. 그 후 항공기나 위성 등에 탑재되어 대기 분석 및 지구환경 관측을 위한 기술로 활용되어 왔으며, 우주정거장과 우주 선의 도킹 시스템에 활용되며 그 효용성과 기술 가치의 중요성은 점차 증대되어 왔다. 높은 기술적 가치에 비해 일반 대중들의 삶 속에서 활용도가 극히 낮았던 라이다 기술은 자율주행 자동차와 로봇 택시 등의 등장으로 점차 사람들의 삶 속으로 깊숙이 파고들고 있다. 라이다 센서 는 자율주행을 위한 핵심장치로서 구글, 애플, 우버 테슬 러 모터스와 같은 글로벌 IT 업체들과 현대자동차, BMW, 포드, 토요다 등 완성차 업체 모두에서 뜨거운 이 슈가 되고 있다. 라이다 기술은 자동차의 주변환경과 장 애물 등을 3차원으로 인식(3D-mapping)하는 기술로서 안전한 자율 주행을 위한 필수기술로 여겨지고 있다. 과 거의 고가의 장비었던 라이다 기술은 보다 많은 스타트업

컴퍼니가 라이다 기술 개발에 가세하면서 가격에 대한 부 담도 큰 폭으로 감소하고 있다. (Fig. 3)

라이다 센서 시스템의 구성은 기본적으로 레이저 송신 부, 레이저 검출부, 신호 처리 및 데이터 송수신부로 되 어 있으며 레이저 펄스 신호를 방출하여 주변의 물체들로 부터 반사된 펄스 신호가 수신기에 도착하는 시간을 측정 함으로써 거리를 측정하고 주변을 인식하게 된다

. 자율 주행차에 라이다 센서 시스템을 활용하기 위해서는 탐지 거리가 수십 미터 이상이 되어야 하며 야간운전시의 활용 뿐 아니라 7~8만 lux 수준에 해당하는 태양광의 직사광 선 하에서도 사용할 수 있어야 한다. 이를 만족하기 위해 서는 수광소자의 성능 향상뿐 아니라 송광 신호가 태양광 으로 인한 조도 변화 아래에서도 안정적으로 검출 될 만 큼 강해야 한다. 가장 손쉬운 방법은 송광 신호를 크게 하 여 안정적으로 물체에 반사된 신호를 받아들이는 것이다.

문제는 현재 라이다 센서 시스템에서 주로 사용되는 빛의 파장대가 사람에게 시각안정 파장으로 알려진 1550 nm 대역이 아니라 850 nm 와 905 nm 대역의 NIR 파장대 역이라는 점이다

.

현재 대부분의 라이다 시스템에서 사용되는 레이저 광 원은 소형화, 저전력이 가능한 NIR 대역의 반도체 레이 저 다이오드이다. NIR 대역은 사람의 눈에는 보이지 않 으면서 저렴한 가격의 실리콘 기반 광 검출기를 사용 할 수 있다는 장점을 가지고 있다. 하지만 NIR 대역의 빛은 가시광선의 빛과 마찬가지로 사람의 각막과 수정체를 통 과하여 망막에 포커싱 되기 때문에 너무 강한 NIR 대역 의 빛은 눈에 보이지 않더라도 망막에 직접적이고 영구적 인 손상을 입힐 수 있다. 이와 같은 잠재적인 문제점을 방 지하기 위해 송광되는 빔의 퍼지는 정도를 최대한 줄여서 수광되는 신호를 크게 하는 방법이 사용되고 있다. 이때 사용되는 레이저 다이오드는 시각 안전등급 Class 1을 만 족하도록 개발하고 있다. 하지만 레이저에 노출시간이 길 어지면 위험도는 높아지게 된고 가까운 미래에 자율주행 차가 도로에 주를 이루고 자율비행 드론과 같이 다양한 분야에서 라이다 시스템이 활용되게 되면 눈에는 보이지 않지만 언제든 망막까지 닿을 수 있는 NIR 레이저가 빼 곡히 우리주변을 채우게 될 가능성도 고려해야 한다.

Fig. 3. (a) Velodyne 라이다 시스템, (b) VOYAGE 무인 택시, (c) 구 글 자율주행차 프로토타입

특 집

CERAMIST

가장 안정적인 방법은 NIR보다 100~1000배 이상 사 람의 눈에 안정적이며 망막까지 침투하지 못하는 1400 nm 이상의 SWIR 대역의 라이다 시스템을 사용하는 것 이다. SWIR은 NIR 대비 산란이 적기 때문에 기존 라이 다 시스템의 성능 개선도 기대할 수 있다. 하지만 대표적 인 SWIR 대역의 화합물인 InGaAs 기반의 이미지 센서 는 비용이라는 측면에서 한계에 부딪혀 우주탐사나 군용 기술 등에만 한정적으로 활용되고 있다

. 따라서 InGaAs의 역할을 대신하여줄 소재의 개발이 강하게 요 구되며 많은 과학자들은 이에 대한 솔루션을 양자제한 효 과를 이용하여 밴드갭(bandgap)의 조절이 가능한 퀀텀 닷에서 찾고 있다.

4. 얼굴인식에 활용되는 적외선 센서 기술

IoT 산업의 발달과 개인정보 보호에 대한 요구가 높아 지면서 생체인식 기술에 관심이 급격히 높아지고 있다.

생체인식 기술은 사람의 신체적, 행동적 특징을 자동화된 장치를 이용하여 추출, 개인을 식별하거나 인증하는 기술 을 의미한다

. 생체인식 기술은 ATM, 모바일 뱅킹, 결 제수단 등의 금융 분야, 기기 및 시스템 인증을 위한 보안 분야, 공항이나 기업의 출입관리, 범죄자 식별 및 신분 확 인 등의 공공 분야, 환자의 신분 확인 및 원격진료를 위한 의료 분야 등 사회 전분야에 걸쳐 적용이 기대되고 있다.

생체인식 기술 중 지문인식과 홍채인식은 이미 스마트폰 을 비롯한 다양한 분야에서 활용되고 있으며 음성인식 등

은 스마트 기기에 적용되어 실제 우리 주변에서 손쉽게 찾아볼 수 있다. 사람이 다른 사람을 인식할 때 가장 많이 사용하는 방법이 얼굴을 통한 인식이며, 마찬가지로 얼굴 인식을 통한 생체인식 기술은 보다 직관적이고 활용도가 다양하여 폭넓은 산업분야에서 높은 관심을 가지고 연구 하고 있는 분야이다

.

얼굴인식 분야의 발전은 스마트폰의 카메라를 비롯한 고성능의 이미지 센서의 개발과 동시에 실시간으로 사람 의 표정변화를 감지하기 위한 각 산업 분야의 요구에서 기인한다. 불과 15년 전만 하더라도 100만~300만 화소 의 카메라가 이미지 센서 시장에서 주를 이루었지만 이제 는 스마트폰의 카메라조차도 1000만 화소를 훌쩍 뛰어넘 으며 이를 통해 보다 정밀하고 정확하게 사람의 얼굴을 인식 할 수 있게 되었다. 이에 더해 구글이나 페이스북과 같은 글로벌 기업들은 인터넷상에 존재하는 수백억장의 얼굴 이미지들을 데이터로 축적하고 있고 이를 빅데이터 기술로 분석하며 발전시키고 있기에 이미 이미지센서를 이용한 얼굴인식 기술은 일정한 조명하에서는 사람이 다 른 사람의 얼굴을 인식하는 수준 이상으로 발전되었다.

근래의 얼굴인식 기술은 단순히 사람의 코와 입, 눈썹, 턱 등을 인식하고 누구의 얼굴인지 감별하는 데 그치지 않고 얼굴에 나타난 사람의 감정을 읽기 위한 기술로 발전하고 있다. 600만개 이상의 얼굴 비디오와 20억개 이상의 얼 굴 프레임의 빅데이터를 가지고 있는 Affectiva는 자폐 아의 치료를 위한 얼굴감정인식에서 시작하였으나 현재 마케팅과 광고분야에서 가장 큰 관심을 보이며 투자와 마 켓을 형성해 나가고 있다

. 같은 이유로 애플, 페이스북, 인텔, 구글 등의 글로벌 기업들은 실시간으로 소비자의 욕구를 파악하기 위한 기술 중 하나로 얼굴을 통한 감정 인식 분야에 투자를 집중하고 있다.

얼굴을 통해 감정을 인식하는 기술은 보안등을 위한 얼 굴인식보다 더 정밀한 영상 처리 기술을 요구한다.

Facial action coding system을 이용하여 눈썹이나 광 대뼈, 입술과 눈의 크기 등 다양한 변수들의 관찰과 조합 을 통해 사람들의 감정을 읽어내는 방식인 만큼 보다 세 밀한 얼굴의 변화를 관찰하는 것이 필요하다. 가시광선을 이용하여 사람의 얼굴 변화를 읽어내는 방식은 가장 손쉬

Fig. 4. Apple의 Face ID, 3만개의 적외선 점(infrared dot)을 이용한 3차원 영상을 통한 안면 인식 기술.

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

운 방식이지만 그만큼 주변의 조명에 영향을 많이 받게 되고 그림자 등에 따라 정확도가 크게 달라지게 된다. 이 를 해결하기 위해 제시되고 있는 방법은 바로 적외선을 이용하는 것이다. 현재 가장 발전된 얼굴 인식기술로 여 겨지고 있는 애플 아이폰 X의 FACE ID 기술은 Fig. 4에 서 보는 바와 같이 3만개의 적외선 닷 프로젝터(Dot projector)를 활용하여 얼굴을 맵핑하게 된다. 3만개의 적외선 점으로 이루어진 3차원 영상을 통해 얼굴에 나타 나는 세세한 변화를 보다 정확히 읽어낼 수 있으며 이와 같은 방법은 가까운 미래에 프리미엄 스마트폰 시장에서 주를 이룰 것으로 여겨지고 있다. 이 과정에서 사용되는 빛의 파장은 주로 800~900 nm 대역의 NIR 파장대역 이며 laser safety class 1을 만족하는 적외선 발광소자 를 활용하고 있지만 망막까지 도달 가능하여 지속적인 사용에 대한 우려 섞인 목소리도 있다

. NIR 대역의 빛을 사용하는 것은 값싼 실리콘 기반의 이미지 센서를 활용하기 위함이며 시각안전파장으로 여겨지는 SWIR

대역의 빛을 얼굴감정 인식에 사용하기 위해서는 SWIR 대역을 감지할 수 있는 낮은 가격의 이미지센서 개발이 필수적이다.

5. 식품의 질과 신선도 감별을 위한 적외선 이미징 기술

헬스와 안전에 대한 사람들의 관심이 높아지면서 식품 의 안전성과 더불어 높은 질을 갖는 식품에 대한 관심이 높아지고 있다. 이에 대한 소비자의 요구를 만족시키기 위해서는 식품에 대한 등급을 매기는 명확한 기준을 갖는 것이 중요하다. 이에 따라 식품 회사나 공급을 하는 기업 들은 보다 효과적이고 저렴하면서 동시에 식품의 질과 안 전성은 정확하게 평가할 수 있는 방법에 대해 연구하고 있다. 식품의 질과 안전도 검사는 일반적으로 질감, 색, 무름 등의 물리적 특성과 수분함유량, 지방, 산도, 즙손 실 등의 화학적 특성, 그리고 박테리아 숫자와 같은 생물

Fig. 5. IMEC의 SWIR 하이퍼스펙트럴 이미징, (a) SWIR 카메라, (b) 100개 이상의 밴드를 이용한 SWIR 이미징 기술, (c) 사람 손을 찍은 SWIR 이미지(640×480 픽셀) (d) 스캐닝 후 피부 반사도 값을 보여주는 스펙트럼, (e) 생선의 하이퍼스펙트럴 이미징(Condi Food).

특 집

CERAMIST

학적 특성에 의해 결정된다. 전통적인 방법은 인간의 눈 으로 관찰하거나, 화학적이거나 생물학적인 판단 실험 등 에 의해 식품의 질과 신선도를 판단하게 되며 이 과정은 오랜 시간이 걸리거나 식품을 파괴하는 과정을 거치게 된 다. 이에 따라 보다 빠르고 정확하며 비파괴적인 방식으 로 실시간으로 식품을 검사하는 방법이 요구되고 있다.

Fig. 5에서와 같이 식품 응용을 위한 SWIR 파장 대역 의 하이퍼스펙트럴 이미징(hyperspectral imaging)은 식품 성분과 밀접한 관계를 가지며 동시에 빠르고 비파과 적인 방법으로서 식품업계에서 많은 관심을 가지고 연구 하고 있는 분야이다. 식품의 적외선 이미징 기술은 오염 검출

, 결함식별

, 구성요소의 정량화

까지 포함 하며 이는 식품 내부의 분자단위에서 일어나는 빛의 방출 과 흡수 특성을 이용하여 검출한다

. 예를 들면, 물, 탄 수화물 및 지방은 O-H 또는 C-H 결합이 풍부하며, 유 기 화합물과 석유 파생물은 C-H 또는 N-H 결합이 풍부 하다. 식품이 빛에 노출되면 O-H, N-H 및 C-H와 결 합이 늘어나고 휘어지는 진동으로 인하여 에너지(파장) 가 변하게 된다. 식품에 조사된 빛의 산란 및 반사, 투과 등의 변화가 그 식품 고유의 물리적 화학적 특성에 따라 바뀌게 되고 이와 같이 분자수준에서 관찰된 에너지 레벨 의 변화를 활용하면 식품 고유의 특성을 관찰할 수 있게 된다.

사과, 오렌지, 복숭아, 배, 포도 등 과일의 하이퍼스펙 트럴 이미징은 과일내의 가용성 고형물 함량, 단단함, 수 분함량 등을 관측하는데 유용하다. 사과의 가용성 고형물 함량과 단단함을 각각 3 % 와 6 % 이내의 표준오차로 예 측한바 있으며

, 블루베리의 경우 단단함과 가용성 고형 물 함량의 예측 정확도가 0.79, 0.87에 달하는 결과를 얻 은바 있다

. 시트러스의 경우 곤충에 의한 손상, 흉터 등 제품의 손상과 질에 해당되는 부분의 분류실험을 하이퍼 스펙트럴 이미징을 통해 하였고 이를 통해 96%의 정확도 를 얻을 수 있었다

. 양파, 버섯, 오이와 피클, 토마토 등 채소의 하이퍼스펙트럴 이미징은 채소의 내부 결함 확인 과 수분함량 등의 신선도 저하 가능성에 대한 예측이 가 능하게 하였다. 눈으로 보이지 않는 내부결함을 가지고 있는 피클을 분리해내고

, 손상가능성이 있는 버섯을 탐

지하고 품질을 측정하는 연구를 진행하였다

. 돼지고기, 소고기, 닭고기 등의 육류에서 SWIR 하이 퍼스펙트럴 이미지는 고기의 마블링 패턴인식을 통해 99%의 정확도로 품질을 분류해 낼 수 있다

. 또한 근 육 내 지방함량을 예측하고

, 소고기와 돼지고기의 박테 리아 손상을 분석하여 저장 수명 예측하며

, 고기의 색 깔 등급 구분에 대한 연구가 진행되고 있다

. 해산물 연 구에서는 연어의 색상 분포

뿐 아니라 새우 안의 불순물 검출

, 조개 안의 기생충 탐지 등의 연구가 진행되고 있 다

.

SWIR 영역의 하이퍼스펙트럴 이미징 시스템은 옥수 수, 밀, 보리, 귀리, 땅콩, 쌀 등 곡식의 등급을 나누고 오 염이나 손상을 조기 발견하기 위한 방법으로도 사용되고 있다. 보리의 경우 3%의 낮은 분류오차 이하로 발아를 파 악하고

, 옥수수는 단단함 정도를 파악하기 위해서

그 리고 밀과 귀리의 등급을 나누기 위한 방법

으로 하이퍼 스펙트럴 이미징이 활용되고 있다. 옥수수의 곰팡이와 같 은 곡물의 손상과 오염물질을 탐지하고

곤충으로 손상 된 밀의 검출을 위한 방법에도 사용되고 있다

.

5. SWIR 연구의 필요성과 소재 및 이미지 센서 연구 동향

적외선 밴드는 가시광선과 마이크로웨이브 사이에 위

치하며 응용분야와 광흡수 소재에 따라 일반적으로 4개

의 영역으로 나뉜다

. NIR 대역은 가시광선과 구분되는

0.7 ㎛ 부터 1 ㎛까지의 영역이며 실리콘 기반의 이미지

센서로 감지가 가능하여 현재 의료분야, 라이다 센서 시

스템, 야간투시경 등 가장 활발히 산업에 응용되고 있는

영역이다. SWIR 대역은 1 ㎛ 부터 2.5 ㎛까지의 영역으

로 시각안전파장으로 다양한 활용이 기대되고 있으나 거

의 유일한 고효율의 수광소자였던 InGaAs의 고비용으로

인해 응용분야가 우주탐사와 군용 등으로 극히 한정되어

있었다. 최근에는 나노기술과 재료의 발전으로 퀀텀닷을

통한 감지가 가능해져 의료분야와 시야안전 라이다 시스

템, 악천후 시야확보등 기존의 NIR 대역 응용분야뿐 아

니라 새로운 응용분야로 그 수요가 빠르게 늘고 있다.

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

NIR 대역과 SWIR 대역은 광검출형 적외선 대역으로 반 도체 물질의 밴드갭에 따라 흡수 파장대역이 정해지며 입 사된 적외선이 재료 내부에 있는 전자를 높은 에너지 준 위로 여기 시킴으로서 얻어지는 전기적 신호를 감지 하는 방식이다. 광검출형 적외선 대역은 상대적으로 응답속도 가 빠르고 높은 검출능(detectivity)를 가지며 반사된 빛 을 감지하는 방식으로 그림자와 대비(contrast) 등의 표 현이 가능한 가시광선 이미지 수준의 높은 해상도를 가지 게 된다. 열검출형 적외선 대역인 MWIR (mid- wavelength infrared)는 3 ㎛ 에서 5 ㎛ 대역을, LWIR(long-wavelength infrared)는 7.5 ㎛ 에서 14

㎛ 까지의 대역으로 각각 나뉘며 목표물로부터 방사되는 복사열을 검출하여 물체의 온도를 측정하거나 스펙트럼 분석을 통해 물질의 구성성분을 판별하는데 사용된다. 열 검출형 적외선 대역은 물체의 탐지(detection: 배경으로 부터 사물을 구분하는 것)에 탁월한 장점을 가지고 있으 며 열영상 의료분야, 전력설비, 중화학 공업 설비, 주요 시설물 야간 모니터링과 같은 다양한 분야에서 활용되고 있다

.

적외선 밴드의 4개 대역중 SWIR 대역은 다른 적외선 대역과는 확연히 차별화되는 장점을 가지고 있다. 가장 중요한 장점은 바로 시각안전파장 대역이라는 점이다

40)

. 앞서 설명한 것처럼 SWIR 대역의 활용도는 바이오 이미징, 라이다 센서, 얼굴인식, 식품 안전검사 등 다양 한 소비자의 욕구를 충족시킬 수 있으며 더 나아가 안개 나 연기 등의 악천후 하에서의 시야확보, 태양전지 검사, 위조방지, 공정품질 제어 등 다양한 분야에서 활용이 가

능하다. SWIR 이미지 센서의 기술 발전은 이와 같은 다 양한 응용분야를 가진다는 점뿐 아니라 사람의 눈에 안전 한 기술을 상용화 할 수 있다는 점에서 더욱 매력적이다.

Fig. 6에서 설명하는 바와 같이 가시광선대역인 380 nm 부터 1400 nm 대역의 파장을 갖는 빛은 사람의 각막과 수정체를 투과하여 망막에 포커싱(focusing) 되게 된다.

특히 700 nm 에서 1400 nm 대역의 빛이 안구를 통해 들 어오게 되면 최대 100,000 배의 증폭 기능을 가지고 있 는 사람의 안구를 통과하면서 망막에 높은 에너지를 가진 채 집중되게 되고 이로 인해 영구적인 손상까지 가져올 수 있다. 더군다나 각막과 달리 망막에는 감각기관이 없 기에 직접적 손상이 일어나 시각의 일부를 잃기 전까지 알아채기도 쉽지 않다. 앞서 설명했듯이 현재 라이다 시 스템이나 안면인식 기술 등 적외선을 활용하는 기술들은 모두 800 nm에서 1000 nm 의 파장대역의 NIR 을 사용 하고 있으며 비록 안전 class 1 송광소자를 사용하더라도 추후 실시간 기술로 지속적으로 사람의 얼굴에 닿게 되면 분명 문제가 될 가능성이 있다. 이 때문에 망막에 닿지 않 고 대부분이 각막과 수정체 등에 분산되어서 흡수되는 SWIR 파장대역의 활용이 기대되고 있다. SWIR 대역의 시각안전파장(1400 nm 이상)은 NIR 파장 대비 100

~1000배 가량 사람의 눈에 안전하며 감각기관이 있는 망 막에 흡수되기 때문에 과도한 노출시 뜨거움을 느껴 방어 기재가 작동할 수 있다. 3 ㎛ 이상의 MWIR, LWIR 빛은 각막 표면에 과도하게 집중되기 때문에 오히려 각막이 쉽 게 손상될 우려가 있어 1550 nm 대역 근처의 SWIR 빛 을 시각안전파장, 그때 사용되는 레이저를 eye-safe

Fig. 6. 파장대별 빛의 안구에 대한 침투 깊이, 가시광선과 NIR 대역의 빛은 안구를 통과하는 동안 증폭되어 망막에서 포커싱(focusing) 됨³⁹⁾.

특 집

CERAMIST

laser라고 일컫는다.

이와 같은 안전과 실용성을 모두 가진 SWIR 대역의 연 구와 실제 활용이 제한적인 인유는 이 대역의 소재와 이 미지 센서개발의 한계 때문이다. SWIR 대역에서 가장 높 은 효율을 보이는 소재는 InGaAs이며, 현재 상업적으로 이용 가능한 SWIR 이미지 센서는 단결정 Indium Phosphide (InP)과 같은 특수 기판에서 에피텍셜 성장 하는 InGaAs 와 같은 고가의 고순도 반도체 재료를 기반 으로 한다

. InGaAs는 InAs와 GaAs의 결합으로 indium 과 gallium 의 조성에 따라 lattice constant가 정해지며 In 53%, Ga 47%의 조성일 때 InGaAs의 lattice constant는 InP의 그것과 동일하여 InGaAs 결 정의 성장을 위해 단결정의 InP 기판 웨이퍼를 사용하게 된다. 각각의 포토 다이오드 (픽셀)와 이에 대응하는 실리 콘 ROIC 입력 사이에 전기적 접속을 형성하기 위해, metal-to-metal 결합에 의해 2 개의 장치가 결합된다.

이 연결을 위해 인듐 범프 어레이를 형성하고 이를 통해 포토다이오드와 ROIC를 연결하는 시간소모적이고 값비 싼 공정을 요구하게 된다. 고가의 소재와 공정의 사용으 로 인해 InGaAs 기반의 SWIR 이미지 센서의 가격은 $ 20,000을 훌쩍 넘는 가격을 형성하고 있다. 다행히 나노 기술의 발전은 퀀텀닷과 같은 양자제한효과를 이용한 나 노소재의 상용화를 가능하게 하였고 보다 낮은 가격의 이 미지 센서 개발을 통해 SWIR 대역의 본격적인 상용화를 앞당기고 있다.

5.1 SWIR 감지 퀀텀닷 소재의 개발

1990년대 습식화학 공정을 통한 퀀텀닷의 개발이 발표 된 이후 카드뮴 칼코제나이드 (CdS, CdSe, CdTe)

, 납 칼코제나이드 (PbS, PbSe, PbTe)

, 은 칼코제나이드 (AgS, AgSe, AgTe)

, CuInS

, AgInS

, InAs

, InSb

등 다양한 적외선대역의 감지가 가능한 낮은 밴드 갭을 갖는 반도체 퀀텀닷의 개발이 이어졌다. 이중 SWIR 대역의 흡수 혹은 방출이 가능하며 안정성을 확보하여 상 용화에 가장 가까운 물질은 PbS와 InAs이다.

PbS는 높은 공기안정성과 SWIR 대역 전체를 대응할 수 있는 이상적인 파장 가변성을 갖는 물질로서 SWIR 대역

퀀텀닷 중 가장 많이 그리고 깊이 연구되었다. 상대적으로 lead 모노머(monomer)와 Sulfur 프리커서(precursor)간 의 높은 반응성으로 인해 사이즈 조절이 문제로 제시되기 도 했으나 계면활성제(surfactant)

와, Pb:S 비율 변화

78)

, 프리커서의 다단주입(multiple injection)

등에 따른 반응속도 조절을 통해 650~2500 nm의 가장 넓은 흡수 스펙트럼을 갖게 되었다. Iodide, bromide, chloride와 같 은 halide 리간드(ligand)를 이용하여 보다 공기중에 안정 한 n-type의 필름 형성에 성공하였으며

, 용액 상태에서 리간드를 교환하는 PbS 퀀텀닷 잉크의 개발을 통해 보다 효과적으로 퀀텀닷 표면을 패시베이션(passivation)하여 11.28%의 전력변환효율(power conversion efficiency, PCE)를 갖는 태양광 전지의 구현에 성공하기도 하였다

. SWIR 대역의 수광소자 개발은 Fig. 7에서 보는 바와 같이 PbS 퀀텀닷의 지속적이고 집중적인 연구로 인해 InGaAs 의 검출능(detectivity)에 근접하거나 뛰어넘는 결과를 얻 고 있다

.

InAs 퀀텀닷은 유기용매에서 합성 후 수성용매로 이동 할 때 높은 양자수율(quantum yield)과 안정성을 유지 하는 특성으로 인해 바이오 이미징과 같은 형광물질로서 주로 연구되고 있다. 이는 InAs가 갖는 징크블랜드 (zincblende) 결정성 때문에 InAs 퀀텀닷 표면에 보다 큰 밴드갭을 갖는 껍질(shell)의 직접적인 구현이 용이하고 이로 인해 InAs 나노입자의 핵(core)을 외부로부터 완전 히 격리시키는 것이 가능하기 때문이다

. MIT의 Moungi G. Bawendi 그룹은 SWIR 대역의 발광이 가능 한 InAs 퀀텀닷 개발을 위해 2개의 단계를 걸쳐 합성하

Fig. 7. 자외선부터 적외선까지 소재별 검출능 비교 ⁸³⁾.

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

였다. 700~1200 nm 의 파장 가변성을 갖는 InAs 퀀텀 닷을 합성한 후에 2개의 껍질을 표면에 형성함으로서 900~1600 nm 의 가변성을 갖으며 16~82 %의 양자수 율을 갖는 퀀텀닷 개발에 성공하였다. 첫번째 껍질은 InAs와 격자 정합도가 높은 CdSe을 구현함으로서 quasi type-II 구조를 형성하였다. 이후 최외각 껍질로서 CdS 와 ZnS 를 구현함으로써 높은 열적 안정성과 동시에 높 은 양자 수율을 유지할 수 있도록 디자인 하였다.

5.2 퀀텀닷과 OLED의 결합을 통한 SWIR 이미지 센서 구현

University of Florida의 Franky So 그룹(현재 North Carolina State University)은 값비싼 InGaAs 대신 lead sulfide(PbS) 퀀텀닷 소재를, 인듐범핑과 같은 고가 의 공정대신 OLED를 증착함으로서 보다 낮은 가격의 IR-OLED 개발에 성공하였다

. (Fig. 8) IR-OLED는 적외선 수광소자와 가시광선 발광소자인 OLED를 결합 하여 적외선 조사시 수광소자에서 만들어진 전하 캐리어 를 이용하여 OLED를 발광시키는 원리로 구현하게 된다.

다이렉트 적외선 이미징(direct IR imaging)을 구현하기 위해 투명한 ITO 애노드(anode)에 투명한 IR-OLED를 증착하고 그 위에 반투명한(semi-transparent) 상부 캐 소드(cathode)를 형성하였다. 반투명한 상부전극은 11nm 두께의 Mg:Ag(10:1 비율) 필름과 50 nm 두께의 tris (8-hydroxyquinolinato) aluminum (Alq

) 필름을 구현하였다. 이렇게 형성된 전체적으로 투명한 소자는

OLED의 빛을 상부와 하부 모두로 방출하게 되며 실제 이미지 소자로 작동하기 위해서는 적외선 빛을 받아들이 는 부분과 가시광선의 빛이 나오는 부분이 구분되어야 한 다. 이를 위해 적외선은 통과시키고 가시광선은 반사 시 키는 IR pass visible mirror (IPVM)을 ITO전극과 유리 기판 사이에 삽입하여 가시광선 발광 효율을 2배 가량 끌 어올릴 수 있었다. 이 소자의 핵심이 되는 IR-OLED의 구현 원리는 OLED소자의 적외선을 감지할 수 있는 소재 (PbS 퀀텀닷)층을 형성하고 정방향 바이어스를 걸어주었 을 때 암전류 상태에서 OLED가 오프(off) 상태를 유지하 게 하는 것이다. 암전류 하에서 오프상태를 유지하기 위 해 정공차단층(hole blocking layer, HBL)을 ITO와 PbS 퀀텀닷 층 사이에 삽입하였고 이를 통해 적외선을 조사하였을 때에만 OLED가 작동하도록 구현할 수 있었 다. 이와 같은 유니크한 구조의 소자를 실제 DSRL 카메 라의 렌즈 사이에 위치하게 함으로서 SWIR 이미지를 가 시광선 이미지를 직접 바꾸어주는 멀티 스펙트럴 이미징 카메라(Multi-spectral imaging camera) 구현에 성공 하였다.

5.3 퀀텀닷과 CMOS 센서의 결합을 통한 SWIR 이미지 센서 구현

낮은 가격의 SWIR 이미지 센서 구현의 한 방법으로 기 존의 CMOS 센서와 SWIR 대역의 퀀텀닷을 결합하여 SWIR 이미지 센서를 구현하려는 노력이 진행중에 있다.

Institut de clencies Fotoniques (ICFO)의 Konstantatos와 Koppens 팀은 CMOS와 그래핀의 통 합을 통해 388 × 288 어레이를 가진 SWIR 이미지 센서 구현을 보여주었다

. (Fig. 9) 110,000 개의 광전도성 그래핀 채널이 CMOS센서의 ROIC와 수직으로 연결되고 그 위에 SWIR 대역의 빛을 흡수 감응할 수 있는 PbS 퀀 텀닷을 스핀코팅 방식을 통해 증착하는 구조를 구현해냈 다. PbS 퀀텀닷 층에 흡수된 SWIR 적외선 빛은 전하 캐 리어를 생성하게 되고 그 중 생성된 정공이 그래핀으로 이동하게 된다. 두개의 픽셀 컨택 사이에는 전압이 가해 지고 있기 때문에 빛에 의해 생성된 정공이 그래핀으로

Fig. 8. (a)적외선 감응OLED를 이용한 적외선 카메라의 제작 모식 도, (b) IR pass visible mirror를 적용한 적외선 감응 OLED 의 동작 원리 ⁸⁴⁾.

특 집

CERAMIST

이동하게 되면 전도도가 변화하여 광신호가 감지되게 된 다. 이와 같은 프로세스를 거쳐 만들어진 SWIR 이미지 센서는 400~1850 nm 대역의 빛에 반응하게 되며 초당 50 프레임의 이미지 측정이 가능하다.

노스캐롤라이나의 Research Triangle Park에 기반을 둔 SWIR Vision Systems Inc. 는 보다 상용화에 가까운 퀀텀닷 기반의 SWIR 이미지 센서를 선보였다. Acuros 카메라라 이름 붙여진 이 제품은 마찬가지로 실리콘 CMOS 표면에 PbS 퀀텀닷을 증착함으로써 SWIR 대역 의 이미지 센서를 구현해냈다. InGaAs대신 PbS 퀀텀닷 을 사용하고 값비싼 hybridization 프로세스를 생략함으 로써 기존 SWIR 이미지 센서대비 절반 이하의 가격으로 상업화를 목표로 하고 있다. 괄목할 만한 것은 VGA급, 100만화소급, HD급의 SWIR 카메라를 생산함으로서 기 존의 InGaAs 기반 SWIR 카메라 대비 성능면에서도 비 등할 만한 결과물을 보여주고 있다.

6. 결론 및 전망

양자제한효과에 기반을 둔 퀀텀닷 연구는 불과 5년전 만 하더라도 쉽게 상용화가 될 것으로 기대한 사람은 많 지 않았다. 하지만 삼성 디스플레이에서 퀀텀닷 TV를 출 시하면서 대한민국은 순식간에 퀀텀닷 기술 강국이 되었 다. 퀀텀닷 TV의 개발은 퀀텀닷 공정을 대형화 시켰으며

그로 인해 퀀텀닷 생산 역시 가격 경쟁력을 갖추게 되었 다. 이 같은 추세에 힘입어 미래의 SWIR 이미지 센서의 소재는 퀀텀닷 소재가 될 가능성이 높다. 퀀텀닷 소재는 크기에 따라 밴드갭 조절이 용이하고 용액공정(solution process)에 바탕을 둔 저가의 공정이 가능하기 때문에 가 격경쟁력 면에서 기존의 SWIR 이미지 센서에 비해 월등 한 우위를 가질 수 있다. 문제는 그 소재가 극히 제한적이 라는 것이다. 전세계 SWIR 대역의 퀀텀닷 연구는 발광소 자는 InAs, 수광소자는 PbS에 집중되어 있다. InAs는 카 드뮴 계열이나 납 계열의 칼코제나이드 퀀텀닷에 비해 사 이즈 조절에서 어려움을 겪고 있다. PbS 의 경우 가장 많 은 연구가 행해졌고 그만큼 기술의 성숙도도 높아졌지만 납(Pb)을 포함하고 있기 때문에 폭넓은 산업에 응용은 제 한이 있을 수 있다. 때문에 중금속을 포함하지 않으면서 밴드갭의 조절이 용이한 SWIR 대역의 퀀텀닷 소재 개발 이 요구되고 있다. 소재개발과 더불어 SWIR 이미지 센서 구조의 발전도 필요하다. 퀀텀닷-OLED, 퀀텀닷-CMOS 와 같이 새로운 구조의 디바이스 개발은 아직 시작단계에 불과하며 FHD급 이상의 SWIR 이미지 센서의 개발은 여 전히 많은 난관들에 봉착하고 있다. 이미지 센서의 구조 변화와 노이즈 감소를 위한 아이디어 등을 통해 SWIR 이 미지 센서의 고성능을 달성하는 것도 하나의 좋은 연구주 제가 될 것으로 기대한다.

Fig. 9. (a) 퀀텀닷, 그래핀, CMOS의 통합을 통한 SWIR 이미지 센서의 측면도, (b) 안개와 실리콘 웨이퍼, 물이든 유리잔으로 가려진 물체의 SWIR 이미지와 가시광선 이미지 비교 ⁸⁵⁾.

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

참고문헌

1. E.R. Fossum, “CMOS Image sensors: electronic camera on a chip,” IEDM Tech. Dig., 17-25, (1995).

2. S. Mendis, S.E. Kemeny, and E.R. Fossum, “CMOS active pixel image sensor,” IEEE Trans. Electron Devices, 41 [3] 452-453 (1994).

3. K.M. Bedka, “Overshooting cloud top detections using MSG SEVIRI infrared brightness temperatures and their relationship to severe weather over Europe,”

Atmos. Res., 99 175-189 (2011).

4. J.E. Kallhammer, “Imaging: The road ahead for car night-vision,” Nature Photon., 5 12–13 (2006).

5. K. Welsher, Z. Liu, S.P. Sherlock, J.T. Robinson, Z.

Chen, D. Daranciang and H. Dai, “A route to brightly fluorescent carbon nanotubes for near-infrared imaging in mice,” Nature Nano., 4 773–780 (2009).

6. X.H. Gao, Y.Y. Cui, R.M. Levenson, L.W.K. Chung and S.M. Nie, “In vivo cancer targeting and imaging with semiconductor quantum dots,” Nature Biotechnol., 22 969–976 (2004).

7. J.B. Barton, R.F. Cannata and S.M. Petronio,

“InGaAs NIR focal plane arrays for imaging and DWDM applications,” Pro. SPIE, 4721 37–47 (2002).

8. M.P. Hansen and D.S. Malchow, “Overview of SWIR detectors, cameras, and applications,” Proc. SPIE, 6939 Thermosense XXX 69390I (2008).

9. Y. Ni, C. Bouvier, B. Arion and V. Noguier, “Wide dynamic logarithmic InGaAs sensor suitable for eye- safe active imaging,” Proc. SPIE, 9861 Thermosense:

Thermal Infrared Applications XXXVIII, 986111 (2016).

10. G. Schmid, “Nanoparticles: From Theory to Application,” Wiley-VCH, Weinheim, (2004).

11. J. Park, “Quantum Dots for Bioimaging,” Polymer Science and Technology, 23 [5] 509-512 (2012).

12. E. Thimsen, B. Sadtler and M.Y. Berezin, “Shortwave- infrared (SWIR) emitters for biological imaging: a review of challenges and opportunities,”

Nanophotonics, 6 1043 (2017).

13. H. Zhou, S.P. Gunsten, N.G. Zhegalova, S. Bloch, S.

Achilefu, J.C. Holley, D. Schweppe, W. Akers, S.L.

Brody and W.C. Eades, “Visualization of pulmonary clearance mechanisms via noninvasive optical imaging validated by near-infrared flow cytometry,”

Cytometry A 87 419–27 (2015).

14. D. Lu, L. He, G. Zhang, A. Lv, R. Wang, X. Zhang and W. Tan, “Aptamer-assembled nanomaterials for fluorescent sensing and imaging,” Nanophotonics,

6[1] 109-121 (2016).

15. S. Kim, Y.T. Lim, E.G. Soltesz, A.M.D. Grand, J.

Lee, A. Nakayama, J.A. Parker, T. Mihaljevic, R.G.

Laurence, D.M. Dor, L.H. Cohmn, M.G. Bawendi, and J. V. Frangioni, “Near-infrared fluorescent type II quantum dots for sentinel lymph node mapping,”

Nat Biotech, 22 93–97 (2004).

16. S.L. Troyan, V. Kianzad, S.L. Gibbs-Strauss, S.

Gioux, A. Matsui, R. Oketokoun, L. Ngo, A. Khamene, F. Azar and J.V. Frangioni, “The FLARE™

Intraoperative Near-Infrared Fluorescence Imaging System: A First-in-Human Clinical Trial in Breast Cancer Sentinel Lymph Node Mapping,” Ann. Surg.

Oncol., 16 1943-1952 (2009).

17. G.C. Gurtner, G.E. Jones, P.C. Neligan, M.I.

Newman, B.T. Phillips, J.M. Sacks and M.R. Zenn,

“Intraoperative laser angiography using the SPY system: Review of the literature and recommendations for use,” Ann. Surg. Innov. Res., 7 1 (2013).

18. E.C. Rossi, A. Ivanova and J.F. Boggess, “Robotically assisted fluorescence-guided lymph node mapping with ICG for gynecologic malignancies: a feasibility study,” Gynecol Oncol, 124 78–82 (2012).

19. S. He, J. Song, J. Qu and Z. Cheng, “Crucial breakthrough of second near-infrared biological window fluorophores: design and synthesis toward multimodal imaging and theranostics,” Chem. Soc.

Rev., Advanced Article (2018).

20. G. Hong, S. Diao, J. Chang, A.L. Antaris, C. Chen, B. Zhang, S. Zhao, D.N. Atochin, P.L. Huang, K.I.

Andreasson, C.J. Kuo and H. Dai, “Through-skull fluorescence imaging of the brain in a new near- infrared window,” Nature Photonics, 8 723–730 (2014).

21. M. Casalboni, D.F. Matteis, P. Prosposito, A. Quatela and F. Sarcinelli, “Fluorescence efficiency of four infrared polymethine dyes,” Chem Phys Lett, 373 372–378 (2003).

22. D.R. Klaus, M. Keene, S. Silchenko, M. Berezin and N. Gerasimchuk, “1D polymeric platinum cyanoximate: a strategy toward luminescence in the near-infrared region beyond 1000 nm,” Inorg Chem, 54 1890–1900 (2015).

23. A.M. Smith, M.C. Mancini and S. Nie, “Bioimaging:

second window for in vivo imaging,” Nat Nanotechnol, 4 710–711, (2009).

24. O.E. Semonin, J.C. Johnson, J.M. Luther, A.G.

Midgett and A.J.Nozik, “Beard MC. Absolute

특 집

CERAMIST

photoluminescence quantum yields of IR-26 Dye, PbS, and PbSe quantum dots,” J Phys Chem Lett, 1 2445–50 (2010).

25. S. Hatami, C. Würth, M. Kaiser, S. Leubner, S.

Gabriel, L. Bahrig, V. Lesnyak, J. Pauli and N.

Gaponik, “Absolute photoluminescence quantum yields of IR26 and IR-emissive Cd

Hg

Te and PbS quantum dots –method- and material-inherent challenges,” Nanoscale, 7 133–143 (2015).

26. P. Zhao, Q. Xu, J. Tao, Z. Jin, Y. Pan, C. Yu, and Z.

Yu, “Near infrared quantum dots in biomedical applications: current status and future perspective,”

Nanomed. Nanobiotechnol., 10 [3] 1483-1498 (2017).

27. O.T. Bruns, T.S. Bischof, D.K. Harris, D. Franke, Y.

Shi, L. Riedemann, A. Bartelt, F.B. Jaworski, J.A.

Carr, C.J. Rowlands, M.W.B. Wilson, O. Chen, H.

Wei, G.W. Hwang, D.M. Montana, I. Coropceanu, O.B. Achorn, J. Kloepper, J. Heeren, P.T.C. So, D.

Fukumura, K.F. Jensen, R.K. Jain and M.G.

Bawendi, “Next-generation in vivo optical imaging with short-wave infrared quantum dots,” Nature biomedical engineering, 1 Article Number 56 (2017).

28. M.T. Zuber, D.E. Smith, F.G. Lemoine and G.A.

Neumann, “The Shape and Internal Structure of the Moon from the Clementine Mission,” Science, 16 [266]

1839-1843 (1994).

29. J. Kim, K.K. Kwon and S.I. Lee, “Trend and Applications on Lidar Sensor Technology,” Electronics and Telecommunications Trends, 27 [6] 134-142 (2012).

30. D. Malchow, J. Battaglia, R. Brubaker and M.

Ettenberg, “High speed short wave infrared (SWIR) imaging and range gating cameras”, Proc. SPIE, 6541 Thermosense XXIX 654106 (2007).

31. M. Laurenzis, and F. Christnacher, “Laser gated viewing at ISL for vision through smoke, active polarimetry, and 3D imaging in NIR and SWIR wavelength bands,” Advanced Optical Technologies, 2 397-405 (2013).

32. T. Sasaki, M. Kitamura and I. Mito, “Selective metalorganic vapor phase epitaxial growth of InGaAsP/InP layers with bandgap energy control in InGaAs/InGaAsP multiple-quantum well structures,”

J. Cryst. Growth, 132 435-443 (1993).

33. Commercializations Promotion Agency for R&D Outcomes, “Biometrics Technology and Market Trends(in Korean),” S&T Market Report, 39 1-28 (2016).

34. M. Sharif, S. Bhagavatula, L. Bauer and M.K. Reiter,

“Accessorize to a Crime: Real and Stealthy Attacks on

State-of-the-Art Face Recognition,” Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security, 24-28 (2016).

35. J. Galbally and R. Satta, “Three-dimensional and two-and-a-half-dimensional face recognition spoofing using three-dimensional printed models,”

IET Biometrics, 5 [2] 83-91 (2015).

36. D. McDuff, R. El Kaliouby, S. Thibaud, A. May, J.

Cohn and R. Picard, “Affectiva-MIT facial expression dataset (AM-FED): naturalistic and spontaneous facial expressions collected in-the-wild,” Computer Vision and Pattern Recognition Workshops (CVPRW), IEEE Computer Society Conference on 881-888 (2013) 37. R. Albarracin, J. Eells and K. Valter,

“Photobiomodulation protects the retina from light- induced photoreceptor degeneration,” Invest.

Ophthalmol. Vis. Sci., 52 3582–3592 (2011).

38. J.A. Zuclich, D.J. Lund and B.E. Stuck, “Wavelength dependence of ocular damage thresholds in the near- IR to far-IR transition region: Proposed revisions to MPEs,” Health Phys, 92 [1] 15–23 (2007).

39. Laservision, “Laser Safety Guide: Depth of penetration of electromagnetic radiation in the human eye,”

www.lasersafety.com, (2018).

40. Y. Barkana, M. Belkin, “Laser eye injuries,” Surv.

Ophthalmol., 44 [6] 459-478 (2000).

41. H. Yao, Z. Hruska, R. Kincaid, R.L. Brown, D.

Bhatnagar and T.E. Cleveland, “Detecting maize inoculated with toxigenic and atoxigenic fungal strains with fluorescence hyperspectral imagery,”

Biosyst. Eng., 115 125–135 (2013).

42. I. Kim, M. Kim, Y. Chen and S. Kong, “Detection of skin tumors on chicken carcasses using hyperspectral fluorescence imaging,” Trans. Am. Soc. Agric. Eng., 47 1785–1792 (2004).

43. J. Xing, C. Bravo, P.T. Jancsók, H. Ramon and J.

Baerdemaeker, “Detecting bruises on ‘golden delicious’

apples using hyperspectral imaging with multiple wavebands,” Biosyst. Eng., 90 27–36 (2005).

44. M. Nagata, J.G. Tallada and T. Kobayashi, “Bruise detection using nir hyperspectral imaging for strawberry (fragaria x ananassa duch.),” Environ.

Control Biol., 44 133 (2006).

45. J. Qiao, M.O. Ngadi, N. Wang, C. Gariépyand S.O.

Prasher, “Pork quality and marbling level assessment using a hyperspectral imaging system,” J. Food Eng., 83 10–16 (2007).

46. D.W. Sun, “Hyperspectral Imaging for Food Quality

CERAMIST

SWIR 이미지 센서 기술개발 동향 및 응용현황

Analysis and Control” Academic Press, Elsevier, San Diego, CA, USA, (2010).

47. F. Mendoza, R. Lu, D. Ariana, H. Cen and B. Bailey,

“Integrated spectral and image analysis of hyperspectral scattering data for prediction of apple fruit firmness and soluble solids content,” Postharv.

Biol. Technol., 62 149–160 (2011).

48. G.A. Leiva-Valenzuela, L. Renfu and J.M. Aguilera,

“Prediction of firmness and soluble solids content of blueberries using hyperspectral reflectance imaging,”

J. Food Eng., 115 91–98 (2013).

49. J. Qin, J. T.F. Burks, M.A. Ritenour and W.G. Bonn,

“Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence,” J. Food Eng., 93 183–191 (2009).

50. D.P. Ariana and R. Lu, “Evaluation of internal defect and surface color of whole pickles using hyperspectral imaging,” J. Food Eng., 96 583–590 (2010).

51. E. Gaston, J.S.M. As, P.J. Cullen, C.P. O’donnell and A.A. Gowen, “Prediction of polyphenol oxidase activity using visible near-infrared hyperspectral imaging on mushroom (agaricus bisporus) caps,” J. Agric. Food Chem., 58 6226–6233 (2010).

52. A. Gowen, C. O’donnell, M. Taghizadeh, P. Cullen, J.

Frias, and G. Downey, “Hyperspectral imaging combined with principal component analysis for bruise damage detection on white mushrooms (agaricus bisporus),” J. Chemometr., 22 259–267 (2008).

53. L. Liu, M. Ngadi, S. Prasher and C. Gari épy,

“Objective determination of pork marbling scores using the wide line detector,” J. Food Eng., 110 497–

504 (2012).

54. L. Liu, M. Ngadi, S. Prasher and C. Gari épy,

“Categorization of pork quality using gabor filter- based hyperspectral imaging technology,” J. Food Eng., 99 284–293 (2010).

55. H. Huang, L. Liu, M.O. Ngadi and C. Gari épy, “Rapid and non-invasive quantification of intramuscular fat content of intact pork cuts,” Talanta, 119 385–395 (2014).

56. Y. Peng, J. Zhang, W. Wang, Y. Li, J. Wu, H. Huang, X. Gao, and W. Jiang, “Potential prediction of the microbial spoilage of beef using spatially resolved hyperspectral scattering profiles,” J. Food Eng., 102 163–169 (2011).

57. D. Barbin, G. Elmasry, D.W. Sun and P. Allen,

“Near-infrared hyperspectral imaging for grading

and classification of pork,” Meat Sci., 90 259–268 (2012).

58. D. Wu, D.W. Sun and Y. He, “Application of long- wave near infrared hyperspectral imaging for measurement of color distribution in salmon fillet,”

Innov. Food Sci. Emerg. Technol., 16 361–372 (2012).

59. D. Wu, H. Shi, Y. He, X. Yu and Y. Bao, “Potential of hyperspectral imaging and multivariate analysis for rapid and non-invasive detection of gelatin adulteration in prawn,” J. Food Eng., 119 680–686 (2013).

60. P.A. Coelho, M.E. Soto, S.N. Torres, D.G. Sbarbaro and J.E. Pezoa, “Hyperspectral transmittance imaging of the shell-free cooked clam mulinia edulis for parasite detection,” J. Food Eng.. 117 408–416 (2013).

61. M. Arngren, P.W. Hansen, B. Eriksen, J. Larsen and R. Larsen, “Analysis of pregerminated barley using hyperspectral image analysis,” J. Agric. Food Chem., 59 11385–11394 (2011).

62. P. Williams, P. Geladi, G. Fox and M. Manley, “Maize kernel hardness classification by near infrared (nir) hyperspectral imaging and multivariate data analysis,” Anal. Chim. Acta, 653 121–130 (2009).

63. S. Serranti, D. Cesare, F. Marini and G. Bonifazi,

“Classification of oat and groat kernels using nir hyperspectral imaging,” Talanta, 103 276–284 (2013).

64. P.J. Williams, P. Geladi, T.J. Britz and M. Manley,

“Investigation of fungal development in maize kernels using NIR hyperspectral imaging and multivariate data analysis,” J. Cereal Sci., 55 272–278 (2012).

65. C.B. Singh, D.S. Jayas, J. Paliwal and N.D.G. White,

“Detection of midge-damaged wheat kernels using short-wave near-infrared hyperspectral and digital color imaging,” Biosyst. Eng., 105 380–387 (2010).

66. C. Ibarra- Castanedo, S. Sfarra, M. Genest and X.

Maldague, “Infrared Vision: Visual Inspection Beyond the Visible Spectrum,” Integrated imaging and vision techniques for industrial inspection, Springer, London (2015).

67. M. Vollmer and K.P. Mollmann, “Infrared Thermal Imaging: Fundamentals, Research and Applications,”

JohnWiley & Sons, (2010).

68. T. Martin, R. Brubaker, P. Dixon, M.A. Gagliardi and T. Sudol, “640x512 InGaAs focal plane array camera for visible and SWIR imaging,” Proc. SPIE, 5783 Infrared Technology and Applications XXXI (2005).

69. Z.A. Peng, and X. Peng, “Formation of High-Quality

특 집

CERAMIST

CdTe, CdSe, and CdS Nanocrystals Using CdO as Precursor,” J. Am. Chem. Soc., 123 [1]183–184 (2001).

70. E. J. D. Klem, D. D. MacNeil, P. W. Cyr, L. Levina, E. H. Sargent, “Efficient solution-processed infrared photovoltaic cells: Planarized all-inorganic bulk heterojunction devices via inter-quantum-dot bridging during growth from solution,” Appl. Phys.

Lett., 90 183113 (2007).

71. M. Yarema, S. Pichler, M. Sytnyk, R. Seyrkammer, R.T. Lechner, G. Fritz-Popovski, D. Jarzab, K.

Szendrei, R. Resel, O. Korovyanko, M.A. Loi, O.

Paris, G. Hesser and W. Heiss, “Infrared Emitting and Photoconducting Colloidal Silver Chalcogenide Nanocrystal Quantum Dots from a Silylamide- Promoted Synthesis,” ACS Nano, 5 3758–3765 (2011).

72. X. Hu, Q. Zhang, X. Huang, D. Li, Y. Luo and Q. Meng,

“Aqueous colloidal CuInS

for quantum dot sensitized solar,” J. Mater. Chem., 21 15903–15905 (2011).

73. K. Nose, T. Omata and S.O.Y. Matsuo, “Colloidal Synthesis of Ternary Copper Indium Diselenide Quantum Dots and Their Optical Properties,” J. Phys.

Chem. C, 113 [9]3455-3460 (2009).

74. D. Franke, D.K. Harris, O. Chen, O.T. Bruns, J.A.

Carr, M.W. B. Wilson and M.G. Bawendi, “Continuous injection synthesis of indium arsenide quantum dots emissive in the short-wavelength infrared,” Nature Communications, 7 12749 (2016).

75. V. Grigel, D. Dupont, K. De Nolf, Z. Hens, and M. D.

Tessier, “InAs colloidal quantum dots synthesis via aminopnictogen precursor chemistry,” J. Am. Chem.

Soc., 138 [41] 13485–13488 (2016).

76. A. Sills, P. Harrison and M. Califano, “Exciton Dynamics in InSb Colloidal Quantum Dots,” J. Phys.

Chem. Lett., 7 31–35 (2016).

77. I. Moreels, Y. Justo, B. De Geyter, K. Haustraete, J.C. Martins and Z. Hens, “Size-Tunable, Bright, and Stable PbS Quantum Dots: A Surface Chemistry Study,” ACS Nano, 5 2004–2012 (2011).

78. M.C. Weidman, M.E. Beck, R.S. Hoffman, F. Prins and W.A. Tisdale, “Monodisperse, Air-Stable PbS Nanocrystals via Precursor Stoichiometry Control,”

ACS Nano, 8 6363 (2014).

79. J.W. Lee, D.Y. Kim, S. Baek, H. Yu and F. So,

“Inorganic UV–Visible–SWIR Broadband

Photodetector Based on Monodisperse PbS Nanocrystals,” Small, 12 1328–1333 (2016).

80. P.R. Brown, D. Kim, R.R. Lunt, N. Zhao, M.G.

Bawendi, J.C. Grossman and V. Bulović, “Energy Level Modification in Lead Sulfide Quantum Dot Thin Films through Ligand Exchange,” ACS Nano, 8 5863–5872 (2014).

81. M. Liu, O. Voznyy, R. Sabatini, F. P. Garcia de Arquer, R. Munir, A. H. Balawi, X. Lan, F. Fan, G.

Walters, A. R. Kirmani, S. Hoogland, F. Laquai, A.

Amassian and E. H. Sargent, “Hybrid organic- inorganic inks flatten the energy landscape in colloidal quantum dot solid,” Nat Mater, 16 258-263 (2017).

82. C.H. Carey, A.L. Abdelhady, Z. Ning, S.M. Thon, O.M. Bakr and E.H. Sargent, “Colloidal Quantum Dot Solar Cells,” Chem. Rev., 115 12732–12763 (2015).

83. F.P.G.de Arquer, A.Armin, P.Meredith and E. H.

Sargent, “Solution-processed semiconductors for next-generation photodetectors,” Nature Reviews Materials, 2 Article number: 16100 (2017).

84. D.Y. Kim, T. Lai, J.W. Lee, J.R. Manders and F. So,

“Multi-spectral imaging with infrared sensitive organic light emitting diode,” Scientific Reports, 4 Article number: 5946 (2014).

85. S. Goossens, G. Navickaite, C. Monasterio, S. Gupta, J.J. Piqueras, R. P érez, G. Burwell, I. Nikitskiy, T.

Lasanta, T. Galán, E. Puma, A. Centeno, A. Pesquera, A. Zurutuza, G. Konstantatos and F. Koppens,

“Broadband image sensor array based on graphene–

CMOS integration,” Nature Photonics, 11 366–371 (2017).

 이 재 웅

 2013년 University of Floirda, MSE 박사

 2014년 University of Floirda 박사후 연구원

 2016년 삼성반도체 연구소 책임연구원

 2017년 한국생산기술연구원 선임연구원