深度学习在图像处理分析中起着越来越重要的作用。材料科学和工程学的进步推动了透射电子显微镜（TEM）和相关技术的飞速发展，有效且准确地分析TEM数据变得越来越重要。
本研究将深度学习应用于高分辨率透射电子显微镜(HRTEM)图像晶面间距和晶面夹角的自动快速测量中，能够自动提取快速傅里叶变换(FFT)图像中的衍射斑点, 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以及晶面夹角, 并与标准晶体结构数据进行比较。结果显示，该方法晶格间距测量的误差小于1%。
本研究中所用到的神经网络结构为U-net结构，共使用100组HRTEM及其FFT图像作为训练集，通过对100组图像进行深度学习，反复优化了一种处理机制，然后将其嵌入到神经网络结构中以确保通过神经网络处理的任意FFT图像都可以产生类似于手动处理的图像。数据经过2000次模型学习过程，最终获得了可用于提取FFT图像中衍射点的神经网络。在后续过程中，开发了一种可自动聚类白像素点算法，使得该方法适用于多对衍射点存在的情况。本研究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。
相关论文于2020年7月9日在线发表在SCIENCE CHINA Materials杂志（http://engine.scichina.com/doi/10.1007/s40843-020-1368-7）
图一：方法流程图
图二：本方法应用于Fe3O4纳米材料分析实例
