申请/专利权人：江苏大学

申请日：2021-04-27

公开（公告）日：2024-05-17

公开（公告）号：CN113283301B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/25;G06V10/56;G06V10/46;G06V10/50;G06V10/28;G06V10/77;G06V10/764;G06V10/36;G06T7/13;G01N21/65;G01N21/84

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2021.09.07#实质审查的生效;2021.08.20#公开

摘要：本发明提供了一种基于机器学习的单层二硫化钼样品光学表征方法、模型及其用途。首先，将二硫化钼样品光学成像通过图形处理提取出可疑单层ROI区域；然后，将可疑单层ROI局域的像素值与硅片在光学显微镜下拍摄出来的特征值求差值向量，通过拉曼表征来区分单层和少层样品，通过肉眼观测的方式确定残胶，根据层数分类来建立目标值；将差值向量求平均值和标准值作为特征值，并与目标值组成数据集，最后通过对数据集降维并通过机器学习算法对该数据集进行分类，获得最佳单层表征模型。基于该模型，通过光学成像即可快速分辨出单层二硫化钼样品，极大的节约寻找单层二硫化钼所需要花费的时间。

主权项：1.一种基于机器学习的单层二硫化钼样品光学表征方法，其特征在于，包括以下步骤：1光学图像采集：制备承载在硅片上的单层二硫化钼样品，将二硫化钼样品置于显微镜下通过电镜拍摄图像；2图像处理：将拍摄的二硫化钼样品图像进行图像处理，寻找疑似单层的ROI区域；3图像像素差值特征提取：将疑似单层的ROI区域像素颜色特征值减去硅片颜色特征值得到差值向量；具体是通过疑似单层的ROI区域像素颜色特征值与硅片像素颜色特征值的差值，其公式为：其中，Errorn为误差向量[errorB，errorG，errorR]T，AL为光线校正补偿函数主对角矩阵diagA1L，A2L，A3L，PxyB，G，R为ROI区域内像素颜色深度特征值的向量[B，G，R]T，P硅B，G，R为硅片颜色深度特值征的向量[B，G，R]T，x、y分别表示像素点位于原始图像中的像素坐标，L硅为硅片的光强深度；4拉曼表征：将疑似单层的ROI区域二硫化钼样品进行拉曼表征，来区分单层和少层样品，根据层数分类来建立目标值；5建立数据集：将步骤3中提取出来的差值向量求平均值和标准值作为特征值，并与步骤4获得的目标值组成数据集；具体是由图像差值特征做平均值和方差获得最终的ROI区域特征的向量：其中，SB,SG,SR分别为三种颜色特征的平均值，目标数据集是通过肉眼分辨出大片残胶标记目标值为0，通过拉曼确认单层样品标记目标值是1，其余样品标记为2；6数据集降维：将形成的数据集降维；7机器学习模型训练：将数据集划分为训练集和测试集，将训练集和测试集分别代入机器学习SVM算法中训练获得检测模型。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于机器学习的单层二硫化钼样品光学表征方法、模型及其用途

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