深度学习辅助的晶体材料HRTEM图像自动分析方法

高分辨率透射电子显微镜（HRTEM）图像的准确分析对于材料的表征和设计很重要。然而，传统分析主要依赖于手动程序，这些程序耗时且缺乏准确性，特别是当图像对比度低时。本工作提出了一种基于二维快速傅里叶变换和U-net深度学习模型的HRTEM图像晶体特征分析方法，方法具体流程详见图。通过使用氧化铁纳米颗粒的HRTEM图像作为示例，方法能够以高精度自动提供有关结晶区域分布、晶面晶相分析和晶面缺陷分布的信息。同时，在衬度传递函数的信息辅助下，深度学习模型的预测综合准确率达到95%以上。并且，该方法适用于球差/非球差矫正，以及不同欠焦量拍摄条件下的HRTEM图像，具有较好的普适性。

本工作设计的方法能够实现对HRTEM图像快速、自动、精准地晶体学分析，为未来人工智能在HRTEM图像领域的应用提供了一种先进的分析方法。该工作由顾宁教授和黄晓教授共同指导完成，论文目前已被Nanoscale杂志接收(https://doi.org/10.1039/D3NR03061J)。