首 页  |  期刊简介  |  投稿须知  |  专家审稿  |  编者登陆  |  公告信息  |  联系我们  |  English
引用本文格式: Tang Ze-Tian,Yang Chen,Tang Jia-Wei,Xia Cheng-Xi,Zeng Rui-Min,Yu Sheng-Xin,Luo Zi-Jiang,Ding Zhao. Research on Quantum Dot STM Morphological Image Recognition Based on Machine Vision [J]. J. At. Mol. Phys., 2019, 36: 824 (in Chinese) [唐泽恬,杨晨,汤佳伟,夏成蹊,曾瑞敏,余圣新,罗子江,丁召. 基于机器视觉的量子点STM形貌图像识别研究 [J]. 原子与分子物理学报, 2019, 36: 824]
 
基于机器视觉的量子点STM形貌图像识别研究
Research on Quantum Dot STM Morphological Image Recognition Based on Machine Vision
摘要点击 152  全文点击 43  投稿时间:2018-12-19  修订日期:2019-01-08
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   机器视觉  STM图像  量子点  衬底  阈值下降
英文关键词   Machine vision  STM image  Quantum dot  Substrate  Threshold drop
基金项目   国家自然科学基金
作者单位E-mail
唐泽恬 贵州大学大数据与信息工程学院 940538374@qq.com 
杨晨 贵州大学大数据与信息工程学院 eliot.c.yang@163.com 
汤佳伟 贵州大学大数据与信息工程学院 2108393194@qq.com 
夏成蹊 贵州大学大数据与信息工程学院 569843615@qq.com 
曾瑞敏 贵州大学大数据与信息工程学院 790580640@qq.com 
余圣新 贵州大学大数据与信息工程学院 49134017@qq.com 
罗子江 贵州财经大学信息学院 lah5200@sina.com 
丁召 贵州大学大数据与信息工程学院 zding@gzu.edu.cn 
中文摘要
    为减轻量子点表面形貌分析过程中的人工工作,使量子点的STM图像分析更加自动化,基于机器视觉对衬底的斜切角及量子点的形貌特性展开研究。利用腐蚀和边缘检测提取台阶形状,并通过反三角变换计算斜切角。利用二值化和阈值下降对量子点的数量与空间坐标进行提取,在此基础上,通过邻域密度计算分析其均匀性,并在解决图像中的粘连问题后找出量子点的尺寸。实验结果显示,与人工统计相比,斜切角、量子点计数及尺寸的平均误差分别为5.02%,0.7788%及1.12%;并实现量子点均匀性的自动化统计与分析。基于机器视觉算法的自动识别过程,对协助研究者分析量子点表面形貌有实际意义。
英文摘要
    In order to alleviate artificial work in the process of surface topography analysis of quantum dots and make the STM image analysis process more automation, substrate miscut angle and morphological characteristics of quantum dots are investigated based on machine vision. Firstly, the step shape is extracted by erosion and edge detection, thus the miscut angle is calculated by inverse triangulation. And then, quantum dot number and corresponding spatial coordinates are extracted by binarization and threshold descent, based on which its uniformity is calculated by the neighborhood density, and size is found out after solving adhesive problem in image. Experimental results show that the average error for miscut angle calculation, quantum dot number and size statistics is 5.02%, 0.7788% and 1.12% respectively compared with the manual method; and further provided the automotive capability for quantum dot uniformity statistics. The automatic recognition process based on machine vision algorithm has practical value for assisting researchers to analyze surface morphology of quantum dots.

您是第 3154879 位访客
版权所有 @ 2006《原子与分子物理学报》编辑部
通讯地址:四川省成都市四川大学原子与分子物理研究所   邮编:成都 610065
电话:QQ: 3094757965  传真:  E-mail:jamp@scu.edu.cn
本系统由北京勤云科技发展有限公司设计