仪器仪表学报

作者：雷艺彤，陈宇航

单位：雷艺彤,1.中国科学技术大学工程科学学院精密机械与精密仪器系,,陈宇航,1.中国科学技术大学工程科学学院精密机械与精密仪器系,

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

基金：国家自然科学基金(52075517)项目资助

: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。

来源：2025年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第1期