公开(公告)号：CN117876350A

公开(公告)日：2024-04-12

申请号：CN202410063832.1

申请日：2024-01-16

Applicant: 南京信息工程大学

Inventor： 郭颖 ,  朱琳琳 ,  严舒 ,  黄骏

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的扫描隧道显微镜图像质量评价方法，包括如下步骤：控制探针逼近标准样品，进行扫描成像；将扫描后的图像进行数据预处理，然后送入预先训练好的模型进行检测；使用卷积神经网络进行质量评估，以此对显微镜图像的成像结果进行判断。本发明对STM成像进行全自动分析评价，自动分类出可用的效果好的图像，提升了扫描效率；自动判断显微镜图像并进行分类，降低了对STM操作人员的技术要求；无需参考图像，实现快速、高效的预测图像质量分数。

公开(公告)号：CN117689642A

公开(公告)日：2024-03-12

申请号：CN202311725506.4

申请日：2023-12-14

Applicant: 南京信息工程大学

Inventor： 郭颖 ,  黄骏 ,  朱琳琳 ,  严舒

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习和扫描隧道显微镜图像的异常实时检测方法，包括：STM显微镜持续进行扫描，控制扫描隧道显微镜的探针逼近标准样品，进行扫描成像，形成图像数据集；将扫描后的图像送入预先训练好的FKCNN模型进行实时检测，并实时显示检测结果和保存相关数据，针对判断为异常的图片进行多次检测，借助STM扫描显微镜的电压定位功能，精确记录异常图片的位置信息，从而迅速确定样品缺陷的具体位置；接着进行下一张图片的检测，当预先设定好的检测范围全部检测完成后，马达和扫描头自动置零，检测结束。本发明提高了检测效率；极大的降低了扫描过程中对专业人员的依赖；可用于各种周期性排列图像的异常检测，泛化能力强。