[发明专利]一种基于深度学习和原子力显微镜力曲线的材料区分方法

说明书

本发明涉及一种基于深度学习和原子力显微镜力曲线的材料区分方法，包括下列步骤：扫描获取样品表面信息：使用原子力显微镜扫描标准样品表面，记录表面形貌以及各点的力曲线并保存；读取文件内的形貌信息以及力曲线，根据标准样品表面的二维形貌特征划分区域；训练模型并测试模型：采用多层神经网络对训练集内的数据进行训练，测试集用来测试训练的效果，区分出图像中样品表面的不同种类材料；对新的扫描图像做出预测。

技术领域

本发明涉及材料区分的方法，特别是涉及一种基于深度学习和原子力显微镜力曲线的材料区分方法。

背景技术

原子力显微镜是继光学显微镜和电子显微镜之后的第三代显微镜，具有空间分辨高、不受样品导电性限制、支持在大气与液相环境中观测样品等优点。原子力显微镜目前已被广泛应用于半导体工业、新材料、生命科学等领域，是研究材料微米级甚至原子级表面特征的最常用工具。原子力显微镜上的力曲线指的是原子力显微镜的微探针对被测样品进行单点加载卸载过程中描述压电陶瓷位移-微悬臂梁偏转关系的曲线。力曲线在纳米压痕、弯曲测试及器件或结构的静态力学特性分析和动态特性分析方面都具有十分重要的作用。也可采用点阵列式加载的方式，实现对样品某一区域的机械力学属性测量。

在某些场合中，使用原子力显微镜扫描样品时，可能需要区分出样品表面的不同材料。例如实际样品若包含多种材料，不同材料可能呈现不规则分布；或者样品表面在液相下吸附不规则气泡，需要研究气泡的分布；或者在测试点的力曲线阵列里存在异常力曲线(如噪声影响)，需要提前剔除以获得准确的材料力学属性。

发明内容

本发明公开了一种基于深度学习和原子力显微镜力曲线的材料区分方法。技术方案如下：

一种基于深度学习和原子力显微镜力曲线的材料区分方法，包括下列步骤：

第一步，扫描获取样品表面信息：使用原子力显微镜扫描标准样品表面，记录表面形貌以及各点的力曲线并保存；

第二步，读取文件内的形貌信息以及力曲线，根据标准样品表面的二维形貌特征划分区域；方法如下：

(1)读取文件数据；

(2)显示形貌图像：解析形貌数据后生成图像，用于根据该标样的形貌对相应的力曲线进行标记；

(3)获取力曲线数据：形貌数据的每个像素点都有一条力曲线，依次读取所有的力曲线数据；

(4)划分区域，筛选力曲线数据：通过测量标准样品获取已知表面形貌和力曲线结果，根据不同的力曲线，在形貌数据中区分出不同材料，把每种材料对应的力曲线数据分为训练和测试用数据两个部分；

第三步，训练模型并测试模型

采用多层神经网络对训练集内的数据进行训练，测试集用来测试训练的效果，区分出图像中样品表面的不同种类材料；

第四步，对新的扫描图像做出预测

(1)使用原子力显微镜扫描样品表面，获得形貌和力曲线信息；

(2)形貌和力曲线信息输入模型中对样品表面材料进行预测。

本发明的优点在于提出了一种基于深度学习和原子力显微镜力曲线的材料区分方法，将材料的表面形貌与力曲线相结合，通过深度学习的方法，能够快速准确地区分不同的材料。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1为标准样品表面形貌图。

图2为二维形貌划分区域。

图3为神经网络结构图。

图4为测试结果。