申请/专利权人：深圳国际量子研究院

申请日：2023-12-05

公开（公告）日：2024-04-05

公开（公告）号：CN117830693A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及计算机深度学习、扫描隧道显微镜、硅基量子芯片技术领域，且公开了一种基于卷积神经网络的STM硅基直写工艺过程关键特征图像分类方法。该方法包括：步骤S1，从扫描隧道显微镜图像数据库中获取STM直写目标典型图像样本，并对样本进行预处理；步骤S2，搭建卷积神经网络，搭建用于STM直写目标的分类模型；步骤S3，通过分类模型对STM直写目标典型图像样本进行识别分类；步骤S4，对图像样本所得的分类结果进行评价，得出最优的分类模型；步骤S5，基于最优的分类模型，进行STM直写目标图像分类。本发明可以利用带有CoordinateAttention模块的EfficientNet模型对扫描隧道显微镜获取的图像结果实时分类，来引导扫描隧道显微镜控制程序走向，从而助力实现量子芯片自动化加工。

主权项：1.一种基于CNN的STM硅基直写工艺过程关键特征图像分类方法，其特征在于，包括：步骤S1，从扫描隧道显微镜图像数据库中获取STM直写目标典型图像样本，并对样本进行预处理；步骤S2，搭建卷积神经网络，搭建用于STM直写目标的分类模型；步骤S3，通过分类模型对STM直写目标典型图像样本进行识别分类；步骤S4，对图像样本所得的分类结果进行评价，得出最优的分类模型；步骤S5，基于最优的分类模型，进行STM直写目标图像分类。

全文数据：

权利要求：

百度查询： 深圳国际量子研究院 一种基于CNN的STM硅基直写工艺过程关键特征图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD