基于机器视觉的量子点STM形貌图像识别研究

作     者：唐泽恬 杨晨 汤佳伟 夏成蹊 曾瑞敏 余圣新 罗子江 丁召 TANG Ze-Tian;YANG Chen;TANG Jia-Wei;XIA Cheng-Xi;ZENG Rui-Min;YU Sheng-Xin;LUO Zi-Jiang;DING Zhao

作者机构：贵州大学大数据与信息工程学院贵州省微纳电子与软件技术重点实验室贵阳550025 贵州财经大学信息学院贵阳550025 

出 版 物：《原子与分子物理学报》 (Journal of Atomic and Molecular Physics)

年 卷 期：2019年第36卷第5期

页      面：824-830页

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 07[理学] 070205[理学-凝聚态物理] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：国家自然科学基金(61604046) 贵州省科技计划项目(黔科合平台人才5788号) 半导体功率器件可靠性教育部工程研究中心开放基金(黔科合平台人才20176103号) 

主　　题：机器视觉 STM图像 量子点 衬底 阈值下降 

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.