期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于编码器-解码器卷积神经网络的原子力显微镜针尖估计
1
作者 雷艺彤 陈宇航 《仪器仪表学报》 北大核心 2025年第1期105-113,共9页
原子力显微镜(AFM)探针针尖形貌尺寸是表面微纳结构精确测量、局域物理化学特性准确表征中的关键参数。基于数学形态学的传统方法,针尖盲估计方法可以仅根据扫描图像来评估针尖形状尺寸,但其往往能给出的是针尖尺寸上限值并非真正的针... 原子力显微镜(AFM)探针针尖形貌尺寸是表面微纳结构精确测量、局域物理化学特性准确表征中的关键参数。基于数学形态学的传统方法,针尖盲估计方法可以仅根据扫描图像来评估针尖形状尺寸,但其往往能给出的是针尖尺寸上限值并非真正的针尖尺寸。而且此种方法受扫描噪声影响较大,获得的尺寸精度难以完全满足需求。针对该问题,基于编码器-解码器架构的卷积神经网络,进行了AFM针尖形貌尺寸的稳定、准确的估计研究。在网络的监督学习训练中,以包含不同半径和数量的纳米颗粒结构,应用数学形态学膨胀算法模拟一系列设定半径针尖的扫描图像作为训练数据集,并以平均绝对误差作为损失函数来更新网络参数。结果表明,卷积神经网络模型对于针尖半径包含在训练集范围内的探针所得扫描图像具备准确预测针尖尺寸的能力。但是当扫描图像的对应针尖尺寸超出该范围时,预测的准确性会降低。此外,通过引入叠加噪声的训练数据,模型的预测能力显著提高,可以准确预测含噪声的扫描图像所用探针的针尖尺寸,且无需额外去噪处理。随后在实际AFM扫描图像上的测试结果证实了该方法预测针尖形貌尺寸的有效性。最后通过模拟和实验数据验证了同样的方法还可以用在受针尖效应影响的图像处理上。 展开更多
关键词 卷积神经网络 监督学习 原子力显微镜 针尖形状预测 深度学习 图像处理
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部