[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在审
| 申请号： | 201910829689.1 | 申请日： | 2019-09-03 |
| 公开（公告）号： | CN110717510A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 徐临燕;杨许亮;王文曦;王里 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06N3/04;G01Q60/24 |
| 代理公司： | 12201 天津市北洋有限责任专利代理事务所 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 力曲线 原子力显微镜 样品表面 形貌 多层神经网络 样品表面信息 标准样品 测试模型 读取文件 划分区域 记录表面 扫描标准 扫描图像 形貌特征 形貌信息 训练模型 种类材料 测试集 训练集 二维 扫描 图像 测试 保存 预测 学习 | ||
【主权项】：
1.一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：/n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；/n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：/n(1)读取文件数据；/n(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；/n(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；/n(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；/n第三步，训练模型并测试模型/n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；/n第四步，对新的扫描图像做出预测/n(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；/n(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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910829689.1/，转载请声明来源钻瓜专利网。
