面向宏观成像的碳纳米管多特征融合视觉评估方法与系统
本发明涉及一种面向宏观成像的碳纳米管多特征融合视觉评估方法与系统,属于纳米材料性能检测。
背景技术:
1、碳纳米管(cnts)因其优异的力学、电学和热学性能,已成为先进复合材料、新能源电池、半导体器件等关键材料。在其产业化制备过程中,宏观产率是衡量工艺稳定性、控制生产成本和评价批次质量的核心指标。
2、传统质量评估依赖扫描电子显微镜(sem)、透射电子显微镜(tem)等微观表征手段,存在以下缺陷:(1)样本代表性不足,每次仅能观测微米级区域,难以反映厘米级以上宏观样品的整体质量;(2)制样与检测周期长、成本高昂;(3)无法满足生产现场对大批量样品进行快速、无损、在线宏观产率评估与分选的迫切需求。因此,亟需一种面向宏观成像场景、能够对晶圆上批量碳纳米管样品进行自动化质量评估与等级分选的方法与系统。
3、现有技术中,公开号为cn117788843a的专利公开了一种基于神经网络算法的碳纳米管图像处理方法,该方案采用神经网络对碳纳米管图像进行像素级增强处理,其技术核心在于通过训练好的网络模型对输入图像进行去噪、对比度增强等通用图像优化操作,输出视觉效果改善的图像。该方案存在以下不足:(1)其关注于图像预处理阶段的像素级优化,解决的是“如何让碳纳米管图像更清晰”的问题,而非“如何从图像中评估碳纳米管质量”的问题;(2)未涉及如何从处理后的图像中提取与宏观产率相关的视觉特征,例如样品的整体黑度(反映碳纳米管沉积量)、覆盖度(反映填充完整度)、空间均匀性(反映沉积一致性)等;(3)更未构建将上述视觉特征关联至产率评价的量化模型或分级决策体系,无法根据图像直接输出每个样品的质量评分和等级。
4、公开号为cn120997211a的专利公开了一种表征cnts在树脂基复合材料体系中分散性的定量方法,该方法采用:对微观二维分布图像进行gamma增强、sobel边缘提取、二值化、连通域识别、将目标区域划分为矩形微元网格、计算每微元的cnt面积占比及以面积占比向量的方差和标准差作为分散性量化指标。因而该方案的实质是“单步分割后做均匀网格统计”,即先通过一次二值化将图像分为cnt前景与树脂背景,再在均匀划分的网格上统计各微元内的面积占比分布。该方法难以适用于基于宏观成像的碳纳米管质量检测,存在以下关键不足:(1)其面向微观成像场景(sem/高分辨率显微图像),目标碳纳米管(cnts)与背景(树脂)之间存在可辨识的灰度差异,sobel边缘检测加单步二值化足以完成分离,而在碳纳米管(cnts)所面向的宏观成像场景中,晶圆基底与cnts样品同属深色系,两者的灰度直方图严重重叠,简单二值化无法将样品区域从晶圆背景中准确分离,强行使用将导致大量背景像素混入样品或样品像素被误删;(2)其采用均匀网格划分后计算单一统计量(方差/标准差)的方式,未对图像进行任何结构化的区域语义提取,同样在宏观成像中,每个样品圆盘内存在空间结构上的差异,由于其中心为cnts本体(暗区),边缘为因晶圆边界效应和光照衰减造成的污染过渡带(亮区),两者对“面积占比”统计的贡献完全不同:边缘污染像素不应计入cnts覆盖面积。因而,上述方法的均匀网格划分无法区分这两种语义区域,导致统计结果被边缘污染严重干扰;(3)其输出为一个全局的分散性方差值,只能反映“整张图像中cnts分布是否均匀”,不具备对晶圆上排列的批量多个独立样品进行逐一编号、逐一质量评分和等级分选的能力,无法直接用于产线自动化分选。
5、综上所述,碳纳米管样品在宏观成像、批量样品、抗干扰评估场景下,现有技术存在以下待解决的难点问题:(1)晶圆基底与cnts样品灰度混叠,常规单步阈值方法无法准确分离样品区域;(2)宏观成像中样品边缘存在污染过渡带,混入统计后将严重干扰质量评价的准确性;(3)不具备对晶圆上排列的批量多个独立碳纳米管样品进行逐一编号、逐一质量评分和等级分选的能力,无法直接用于产线自动化分选。
技术实现思路
1、为了解决目前存在的碳纳米管样品在宏观成像、批量样品、抗干扰评估场景下,晶圆基底与cnts样品灰度混叠,样品边缘存在污染过渡带,混入统计后将严重干扰质量评价的准确性,及不具备质量评分与等级分选的能力的问题,本发明提供了面向宏观成像的碳纳米管多特征融合视觉评估方法与系统,所述技术方案如下:
2、第一方面,本技术提供一种面向宏观成像的碳纳米管多特征融合视觉评估方法,所述方法包括:
3、步骤s1:获取在标准光照条件下采集的承载于晶圆上的包括多个碳纳米管样品的俯视图像,对俯视图像进行灰度化处理;
4、步骤s2:从灰度化的俯视图像中定位并标识各个样品,以中心孔为锚点定位,确定每个样品对应的实心初步样品区域;
5、步骤s3:对每个初步样品区域,采用几何腐蚀差提取位于其外围的边缘污染区域;
6、步骤s4:基于初步样品区域内的灰度内容,以灰度自适应提取真实样品区域(碳纳米管本体覆盖区域);
7、步骤s5:基于初步样品区域、边缘污染区域、真实样品区域,对每个样品计算其多项宏观视觉特征;
8、步骤s6:将多项宏观视觉特征值映射为单项得分,通过加权融合计算综合质量评分并进行等级分选。
9、进一步的,所述步骤2包括:
10、步骤s21:样品定位,对所述碳纳米管样品的灰度图进行阈值分割提取中心孔候选,再采用dbscan密度聚类,将图像划分为r×c个网格子区域,每个子区域对应一个样品,按从上到下、从左到右分配编号i=1,2,…,n(n=r×c);
11、步骤s22:初步样品区域提取,对所述子区域进行高斯滤波,再执行阈值分割,得到的分割阈值进行二值化、形态学开运算及形态学闭运算处理得到,再从中提取所有连通域,选取距锚点最近且面积足够大的连通域,提取所述连通域的最外层轮廓并做实心填充,得到初步样品区域。
12、进一步的,所述步骤s21中所述提取中心孔候选,再采用dbscan密度聚类包括,对中心孔候选中的每个连通域,计算其面积(像素数)和周长(像素数),满足阈值条件的连通域保留,对保留的连通域计算质心坐标,得到个空间锚点,对全部锚点进行dbscan密度聚类,将图像划分为r×c个网格子区域,每个子区域对应一个样品,按从上到下、从左到右分配编号i=1,2,…,n(n=r×c)。
13、进一步的,所述步骤s21中,满足阈值条件的连通域保留包括:面积满足且圆度的连通域保留,其中、是面积阈值,圆度阈值。
14、进一步的,所述步骤3包括:采用椭圆结构元素(长轴和短轴均为)对初步样品区域进行形态学腐蚀,再提取环形候选污染带,在范围内遍历,根据初步样品区域边界内侧的灰度剖面估计边缘污染带宽度,并将其映射为腐蚀尺度,取最终边缘污染区域为,其中,表示形态学开运算,为小尺度椭圆结构元素。
15、进一步的,所述步骤4包括:在初步样品区域内提取暗像素(碳纳米管在图像中呈深色)作为候选区域,对候选区域进行形态学闭运算、开运算得到,从中提取所有连通域,仅保留面积最大的连通域作为真实样品区域。
16、进一步的,所述步骤5中,多项宏观视觉特征包括黑度特征、覆盖度特征、空间一致性特征及污染程度特征。
17、进一步的,所述步骤6中,对于每项宏观视觉特征进行归一化映射,再将四项特征得分加权求和获取综合质量评分,根据等级分选规则,获取相应的等级评价。
18、第二方面,本技术提供一种面向宏观成像的碳纳米管多特征融合视觉评估系统,基于上述一种面向宏观成像的碳纳米管多特征融合视觉评估方法,所述系统包括:
19、标准成像单元,所述标准成像单元用于在标准光照条件下获取承载于晶圆上的多个碳纳米管样品的俯视图像;
20、图像处理与控制单元,所述图像处理与控制单元与所述标准成像单元通信连接,内置处理器和存储器,存储器中存储有计算机程序,处理器执行该程序时实现所述向宏观成像的抗干扰碳纳米管多特征融合视觉评估方法的全部步骤,输出综合质量评分与分选指令;
21、分选执行单元,所述分选执行单元与所述图像处理与控制单元通信连接,接收分选指令并对样品执行质量分选操作。
22、第三方面,本技术提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述所述的碳纳米管多特征融合视觉评估方法。
23、第四方面,本技术提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所述的碳纳米管多特征融合视觉评估方法。
24、本发明有益效果是:
25、通过对灰度化的碳纳米管样品的俯视图像处理,先以中心孔为锚点定位并生成实心初步区域,再以几何腐蚀差提取外围污染环带,同时以灰度内容自适应提取真实样品区域,逐步排除背景混入、边缘污染和残留异常像素三重干扰,使最终的质量评分建立在客观净化后的真实样品区域之上,显著提高了宏观质量评估的准确性和抗干扰能力;同时基于前述的三个参数(初步样品区域、边缘污染区域、真实样品区域),计算多项宏观视觉特征,再将该多项宏观视觉特征值映射为单项得分,通过加权融合计算综合质量评分并进行等级分选,从而实现对晶圆上排布的多个独立碳纳米管样品进行逐一编号、逐一质量评分和等级分选,便于产线自动化分选。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com