Jun, 2022

一种针对高聚集度单晶硅表面纳米颗粒 SEM 图像的叠加分治图像识别方法

PDF
TL;DR本文提出了一种叠加分割图像识别方法，可实现硅晶体纳米粒子 SEM 图像的自动识别和信息统计，该方法基于形态处理算法实现有效的粒径识别和轮廓统计，并在不同的 SEM 拍摄条件下优于其他方法
nanoparticle sizesemimage recognitionsilicon crystalmorphological processing
发现论文，激发创造
  • 扫描电子显微镜图像中纳米粒子的递归检测与分析

    本研究提出了一个针对扫描电子显微镜（SEM）图像的纳米粒子精确检测和全面分析的计算框架。该框架利用 Python 的强大图像处理能力，特别是利用 OpenCV、SciPy 和 Scikit-Image 等库，采用阈值处理、膨胀和腐蚀等技术提高图像处理结果的准确性。该框架在 RStudio 环境中无缝集成了纳米粒子数据，用于详细的后处理分析，包括模型准确性评估，特征分布模式识别和复杂的颗粒排列研究。该框架在主要样本图像中表现出了高纳米粒子识别率，并在来自 SEM 纳米粒子数据集的五个不同测试图像上具有 97％的粒子检测准确率。此外，该框架还能够识别出低强度纳米粒子，并绕过对照组的手动标记。

    Aug, 2023

  • 扫描电子显微镜图像中的自动半导体缺陷检测：系统综述

    半导体材料和器件中检测缺陷的高效准确方法需求日益增长。这篇文章通过对 38 篇相关研究论文进行系统回顾，全面总结了基于扫描电子显微镜图像的自动化半导体缺陷检测的现状，包括最新创新和发展，提供了方法的综合概述和分析，并对未来工作提出了有希望的方向。

    Aug, 2023

  • 无监督与监督学习相结合的显微镜技术实现对整片 4H-SiC 晶片缺陷分析

    通过融合各种图像分析和数据挖掘技术，我们在这项工作中创建了一个强大且准确的自动化图像分析流水线，用于提取显微图像中 KOH 刻蚀的 4H-SiC 晶片的所有缺陷的类型和位置。

    Feb, 2024

  • Nano1D：一种用于低维目标分割与分析的精确计算机视觉模型

    本文介绍了一种基于物理的计算模型，用于对来自显微镜图像的一维不规则和可变形物体进行准确的分割和几何分析，该模型已成功地应用于银纳米线的分割和分析。

    Jun, 2023

  • 电子显微技术中无监督分割的辐射诱导有序 - 无序相变

    使用无监督分割方法对电子显微镜图像进行分割，以跟踪用于催化和电子领域的薄膜中辐照引起的非晶前沿，为自动化电子显微镜提供指导。

    Nov, 2023

  • 基于半扩散模型的半导体缺陷分类和分割方法 (SEMI-DiffusionInst)

    本研究针对制造领域中先进节点技术中扫描电子显微镜图像的缺陷检测问题，提出了一个名为 “SEMI-DiffusionInst” 的新的半导体缺陷检测框架，并证明了该方法可以准确地检测并划分缺陷图案

    Jul, 2023

  • 深度学习实现亚距离限制扫描超透镜显微镜的大景深图像

    使用深度学习构建的扫描超透镜显微镜 (SSUM) 系统通过光学超分辨率图像和扫描电子显微镜 (SEM) 领域图像之间的映射关系，将光学超分辨率图像转化为类似 SEM 的具有大景深的图像，其在图像转换中表现出色，重构结果具有高层次的细节，适用于芯片级缺陷检测、生物样品分析、法医学以及其他各个领域。

    Oct, 2023

  • 揭示人工智能在纳米材料形态预测中的潜力

    该研究探索了 AI 在数据可用性限制下预测纳米颗粒形态的潜力，通过建立一个双倍于类似研究的新的多模态数据集，系统评估了经典机器学习和大型语言模型在纳米材料形状和尺寸预测方面的性能，并最后用一个文本到图像系统进行了原型设计，讨论了所得到的经验结果以及现有方法的局限性和潜力。

    May, 2024

  • 纳米尺度显微镜中的人工智能可视化

    本文研究灵活使用 AI 技术在纳米材料表征领域，以卷积自编码器为基础，探索可解释的人工智能提取纳米材料形态特征的新方法，并实现了一个开放的平台用于纳米材料图像的深度可视化研究。

    Jan, 2022

  • SEMI-CenterNet: 半导体缺陷检查的机器学习促进方法

    本研究提出了基于深度学习的半导体缺陷检测方法 SEMI-CenterNet，在 SEM 图像中实现了缺陷的高效定位和分类，并显著改善了推断时间。通过在两个数据集上训练和使用自定义 SEM 数据集的迁移学习，减少了传统训练方法所需的训练时间，获得了最佳的平均精确度。

    Aug, 2023