TY - JOUR
T1 - Applying deep learning in automatic and rapid measurement of lattice spacings in HRTEM images
AU - Zhu, Xiaoyang
AU - Zhang, Zuoheng
AU - Mao, Yu
AU - Li, Yan
AU - Huang, Xiao
AU - Gu, Ning
N1 - Publisher Copyright:
© 2020, Science China Press and Springer-Verlag GmbH Germany, part of Springer Nature.
PY - 2020/11
Y1 - 2020/11
N2 - 在图像处理与分析领域, 深度学习发挥着日渐重要的作用. 我们将深度学习应用于高分辨率透射电子显微镜(HRTEM)图像晶 面间距的自动快速测量中, 通过对随机样本数据训练得到具有U型 结构的神经网络, 开发了一种新的图像处理方法. 本方法能够自动 提取快速傅里叶变换(FFT)图像中的衍射斑点, 进一步在计算机视 觉技术的协助下, 可以自动计算与FFT图像中被识别的衍射点相对 应的晶格间距, 并与标准晶体结构数据进行比较. 以Fe3 O4 纳米粒子 的HRTEM图像为例, 用本方法进行自动测量的晶格间距与手动测 量的晶格间距相比, 误差小于1%. 我们的工作证明了深度学习技术 在协助晶体材料发展方面的巨大潜力.[Figure not available: see fulltext.]
AB - 在图像处理与分析领域, 深度学习发挥着日渐重要的作用. 我们将深度学习应用于高分辨率透射电子显微镜(HRTEM)图像晶 面间距的自动快速测量中, 通过对随机样本数据训练得到具有U型 结构的神经网络, 开发了一种新的图像处理方法. 本方法能够自动 提取快速傅里叶变换(FFT)图像中的衍射斑点, 进一步在计算机视 觉技术的协助下, 可以自动计算与FFT图像中被识别的衍射点相对 应的晶格间距, 并与标准晶体结构数据进行比较. 以Fe3 O4 纳米粒子 的HRTEM图像为例, 用本方法进行自动测量的晶格间距与手动测 量的晶格间距相比, 误差小于1%. 我们的工作证明了深度学习技术 在协助晶体材料发展方面的巨大潜力.[Figure not available: see fulltext.]
UR - http://www.scopus.com/inward/record.url?scp=85087754668&partnerID=8YFLogxK
U2 - 10.1007/s40843-020-1368-7
DO - 10.1007/s40843-020-1368-7
M3 - 快报
AN - SCOPUS:85087754668
SN - 2095-8226
VL - 63
SP - 2365
EP - 2370
JO - Science China Materials
JF - Science China Materials
IS - 11
ER -