确保光波导显示器图像质量测量中的相关性与一致性
¹ OptoFidelity Oy, 芬兰，坦佩雷
光波导显示器（Waveguide displays）在智能眼镜中得到了广泛应用。随着生产规模的扩大，保持多个生产线之间质量控制的一致性变得至关重要
1. 引言 (Introduction)
光波导显示器正越来越多地应用于智能眼镜和其他增强现实（AR）设备中
为了应对这些挑战，生产计量必须同时满足短期能力要求和长期稳定性
2. 测量系统能力 (Measurement System Capability)
2.1 重复性与再现性 (Repeatability and Reproducibility)
重复性与再现性（Gage R&R，即量具重复性与再现性）是任何可靠测量系统的基石
表 1 展示了使用 OptoFidelity 的 Production IQ 系统进行光波导效率测量的 Gage R&R 分析示例。结果表明，主要的变异来源是零件间的差异（part-to-part variation），而测量系统本身的贡献远低于可接受限值。
表 1：WG-IQ 系统效率测量的 Gage R&R 示例结果
| 组成部分 | 占总变异的百分比 (%) |
|---|---|
| Gage R&R | 0.98 |
| • 重复性 (Repeatability) | 0.79 |
| • 再现性 (Reproducibility) | 0.18 |
| 零件间变异 (Part-to-Part) | 99.02 |
虽然 GR&R 是评估测量系统能力的标准，但它也有局限性 。来自稳定生产批次的样本在性能上可能过于接近，不足以进行再现性研究 。因此，需要谨慎选择样本，或使用标准差（standard deviation）和变异系数（CV, coefficient of variation）等其他指标 。
一旦建立了每个工具的基本测量能力，研究工具间的相关性就变得有意义了 。
2.2 工具间相关性 (Tool-to-Tool Correlation)
可以通过直接比较报告的指标，或通过比较测量得到的图像来评估图像质量测量的工具间相关性 。图 1 展示了使用两台 WG-IQ 系统测量光波导效率的线性相关性 。结果显示出极强的一致性，具有很高的决定系数（$R^2$），同时可以观察到斜率和截距有微小偏移。
对于衍射光波导（diffractive waveguides），这种偏移（offsets）可能源于样件对波长的敏感性，以及测量系统中投影仪（projectors）光谱输出的细微差异
除了基于数值的比较，图像对图像（image-to-image）的分析能提供更深入的见解 。图 2 展示了两台工具之间的视场（FOV）图像对比。二维相关系数接近 1（0.99），表明空间强度分布高度相似 。这种方法虽然不捕捉绝对值差异，但可以验证观测到的偏移在整个视场内是系统性的，而不是由位置或角度失配引起的 。
最佳实践是结合使用这两种方法 。数值指标决定了控制限（control limits）能否在工具间可靠地传递；而 FOV 图像则确保相关性曲线中的任何偏移在整个 FOV 内都是一致的，而非由于测量位置或角度差异导致的高强度热点（hotspots）漂移 。
2.3 长期稳定性与自检 (Long-Term Stability and Self-Check)
除了初始验证和相关性分析，保持长期测量稳定性在生产环境中至关重要 。一种简单有效的监控方法是定期对特定的参考光波导样件（reference sample）进行重复测量 。
图 3 展示了在 Production IQ 系统中使用参考样件进行长期效率监控的示例
除了参考样件外，系统自检程序（self-check routines）提供了一种无需专用样件的方法 。在 WG-IQ 系统中，自检通过电动相机旋转来测量系统自身的投影机瞳孔；而在 Production IQ 中则通过双镜系统实现 。监控的关键参数包括图像亮度和角度位置 。偏离系统调试（bring-up）时建立的基准（baseline）可能预示着突然的偏移或逐渐的漂移，从而触发预防性维护动作，如校准验证 。
表 2 汇总了建议的验证与监控步骤，概述了每个阶段所适用的方法和指标。
表 2：制造计量的验证步骤。
| 步骤 (Step) | 案例 (Case) | 示例方法 (Example Method) | 指标 (Metric) |
|---|---|---|---|
| 1 | 工具重复性 (Tool repeatability) | Gage R&R | % R&R、标准差 (Standard deviation)、变异系数 (CV) |
| 2 | 工具间相关性 (Tool-to-tool correlation) | 线性相关 (Linear correlation) | R²、斜率 (Slope)、偏移 (Offset)、残差 (Residuals) |
| 3 | 长期稳定性 (Long-term stability) | 过程能力 (Process capability) | Cpk/Ppk、控制图限制 (Control chart limits)、漂移趋势 (Drift trend) |
| 4 | 线对线变异 (Line-to-line variation) | 上述所有方法 (All of the above) | 良率差异 (Yield difference)、均值偏移 (Mean shift)、整体过程变异 (Overall process variation) |
3. 结论 (Conclusions)
验证生产线计量的结构化方法包括：验证单个系统、建立工具间相关性、监控长期稳定性以及应用标准化的控制计划 。一旦每个系统的性能特征明确，就可以使用一组通用的参考样件在不同工具和生产基地之间进行交叉相关分析 。这使得识别系统性偏差并应用特定工具的控制限成为可能，同时保持整体的可比性 。
通过结合基于数值的指标（value-based metrics）、基于图像的对比（image-based comparisons）以及持续的稳定性监控（continuous stability monitoring），可以及早发现诸如漂移（drift）或失配（misalignment）等偏差 。这使得在产品质量受到影响或材料被不必要地报废之前，能够采取纠正措施 。结果表明，实现光波导显示器可靠、一致且可迁移的图像质量测量是可行的，这为具有可预测良率（yield）和性能的可扩展制造提供了有力支持 。
参考文献
- Semiconductor Insight, "AR Diffraction Optical Waveguide Market," 2025. [cite: 97]
- Y. Ding, Q. Yang and Y. Li, "Waveguide-based augmented reality displays: perspectives and challenges," eLight, vol. 3, p. 24, 2023. [cite: 98, 99]
- B. Kress and I. Chatterjee, "Waveguide combiners for mixed reality headsets: a nanophotonics design perspective," Nanophotonics, vol. 1, 2020. [cite: 100]
著录信息
- Joonas Pylväinen "Ensuring correlation and consistency in image quality measurements for waveguide displays", Proc. SPIE 13821, Optical Architectures for Displays and Sensing in Augmented, Virtual, and Mixed Reality (AR, VR, MR) VII, 138211F (5 March 2026); https://doi.org/10.1117/12.3079118
本站声明：本文转载自SPIE. DIGITAL LIBRARY，原标题为《DUAL-SIDE NIL: ANGULAR ALIGNMENT ACCURACY AND FIRST-SIDE PROTECTION FOR AR APPLICATIONS》。文章版权归原作者及原载媒体所有。本平台转载仅供微纳制造与半导体领域同行进行技术交流与学术探讨，不代表本平台赞同其观点或证实其内容的真实性。文中涉及的技术参数、工艺流程及行业预测仅供参考。鉴于微纳技术迭代迅速，请读者在实际科研或生产中以最新行业标准及实验数据为准。本平台不承担因使用本文内容而产生的任何直接或间接损失。如原作者认为转载行为不妥或涉及版权争议，请及时联系后台，我们将于 24 小时内删除处理。
- 收藏
