南虎 麻晓晶 赵海博 汤少杰 刘卫华王大威† 贾春林3)

1) (西安交通大学电子与信息学部微电子学院, 西安 710049)

2) (西安邮电大学自动化学院, 西安 710121)

3) (Ernst Ruska-Centrum für Mikroskopie und Spektroskopie mit Elektronen (ER-C),Forschungszentrum Jülich GmbH, 52425 Jülich, Germany)

高分辨电镜图像中原子峰位置的检测具有十分重要的现实意义, 通过精确定量化原子峰位置可以分析物质在微观尺度上的结构形变、电极化矢量分布等重要信息.近年来深度学习技术在图像目标检测领域取得了巨大突破, 这一技术可用在高分辨电镜图像处理上,因为原子位置的检测可以看作是一个目标检测问题.本文利用先进的机器学习方法, 通过制作高质量原子图像样本集, 使用YOLOv3 目标识别框架对原子图像进行自动检测, 达到预期效果, 实现了深度学习技术在高分辨电镜图像处理领域的应用.该方法的运用有望突破自动处理动态、大量电镜图片的瓶颈问题.

1 引 言

球差校正透射电子显微镜能够实现对材料微观结构在亚埃级别分辨率的直接成像, 使得对物质中原子的占位和化学成分等的精确分析成为可能[1,2].例如, 利用球差校正扫描透射电镜环形暗场像(ADF-STEM)模式, 实现了对硅(Si)[112]方向78 pm 间距原子对的直接成像[3]; 利用负球差成像条件得到的钛酸钡(BaTiO3)高分辨原子像, 通过精确定量对应于每列原子柱的像素强度, 计算得到了氧原子空位分布情况[4]; 利用ADF-STEM 模式,实现了氮化铝(AlN)量子阱结构的直接原子分辨成像, 通过对高分辨像中氮-铝对衬度分布的形貌分析, 确定了其局部电极化矢量的分……