【儀表網(wǎng) 儀表研發(fā)】獲取納米顆粒定量化形貌信息，是科學(xué)家研究納米顆粒材料性能的重要科研途徑，對于推動納米顆粒材料創(chuàng)新十分重要。掃描電子顯微鏡(SEM)和透射電子顯微鏡(TEM)是表征納米顆粒材料形貌的重要工具。
 

　　然而，掃描電子顯微鏡和透射電子顯微鏡產(chǎn)生的圖像，會因?yàn)檩^大的背景干擾和龐大的納米顆粒數(shù)量，使獲取納米顆粒材料形貌信息變得困難。如何在海量而復(fù)雜的圖像中實(shí)時準(zhǔn)確地自動獲取納米顆粒定量化形貌信息成為挑戰(zhàn)。
 

　　針對這一問題，中國科學(xué)院沈陽自動化研究所數(shù)字工廠研究室王卓課題組提出了一種基于深度學(xué)習(xí)的通用框架，用于對前述兩種電子顯微鏡所產(chǎn)生圖像中的納米顆粒形貌進(jìn)行快速、準(zhǔn)確地在線統(tǒng)計(jì)分析。 該項(xiàng)研究近期獲國際學(xué)術(shù)期刊Nanoscale (影響因子8.307)封面(Outside Front Cover)刊載，文章題目是A deep learning-based framework for automatic analysis of nanoparticle morphology in SEM/TEM images。
 

納米顆粒分割模塊結(jié)構(gòu)示意圖
 

　　該通用框架主要包括納米顆粒分割模塊、納米顆粒形狀提取模塊和納米顆粒形貌統(tǒng)計(jì)分析模塊三個重要組成部分。其中，在納米顆粒分割模塊的設(shè)計(jì)中，研究人員將輕量化空洞空間池化金字塔模塊、雙注意力機(jī)制和改進(jìn)的多尺度漸進(jìn)融合解碼器相融合，能夠?qū){米顆粒形貌特征進(jìn)行多尺度多維度的快速捕獲和融合，提高該通用框架的實(shí)時性和準(zhǔn)確性。
 

　　試驗(yàn)結(jié)果表明，研究人員提出的模型在數(shù)據(jù)集上測試達(dá)到86.2%的準(zhǔn)確率，并且將模型部署在嵌入式處理器上處理速度可達(dá)11FPS，可以滿足電鏡端的實(shí)時處理需求。(數(shù)字工廠研究室)