[发明专利]一种晶界电学特性的表征方法

说明书

本发明公开一种晶界电学特性的表征方法。该方法包括：利用扫描电镜实时获取氧化锌样品的微观图像，得到实时图像；将实时图像输入神经网络，识别出晶粒‑晶界‑晶粒结构；利用纳米探针依次对实时图像中的每个晶粒‑晶界‑晶粒结构施加电流，利用阻抗分析仪获取电信号，得到氧化锌样品的电学特性曲线。本发明公开的方法可以实现对氧化锌压敏陶瓷微观特性的自动表征，提高研究效率。

技术领域

本发明涉及微纳技术领域，特别是涉及一种晶界电学特性的表征方法。

背景技术

氧化锌压敏陶瓷优异的非线性特性使得其在电力系统和电子线路过电压保护方面得到广泛的应用。研究表明这种非线性特性源于晶界势垒，因此需要首先弄清“晶粒—晶界—晶粒”这种基本的电压敏功能单元的导电机理，才能更加深入解释压敏电阻的导电机理，进而建立起压敏电阻的电性能与物理本质间的量化关系。目前对氧化锌压敏陶瓷微观特性的研究主要依靠操作人员手工操作，效率低下。

发明内容

本发明的目的是提供一种晶界电学特性的表征方法，实现对氧化锌压敏陶瓷微观特性的自动表征，提高研究效率。

为实现上述目的，本发明提供了如下方案：

一种晶界电学特性的表征方法，包括：

利用扫描电镜实时获取氧化锌样品的微观图像，得到实时图像；

将所述实时图像输入神经网络，识别出晶粒-晶界-晶粒结构；

利用纳米探针依次对所述实时图像中的每个所述晶粒-晶界-晶粒结构施加电流，利用阻抗分析仪获取电信号，得到所述氧化锌样品的电学特性曲线。

可选的，对所述神经网络进行训练的过程具体为：

利用扫描电镜获取氧化锌样品的多幅微观图像，得到多幅训练图像；

对每幅所述训练图像进行特征点提取和特征距离的计算，得到每幅图像的晶粒-晶界-晶粒结构；

将多幅所述训练图像和每幅所述训练图像的晶粒-晶界-晶粒结构输入到所述神经网络中，利用所述神经网络进行训练。

可选的，在所述利用扫描电镜获取氧化锌样品的多幅微观图像，得到多幅训练图像之后，在所述对每幅所述训练图像进行特征点提取和特征距离的计算，得到每幅图像的晶粒-晶界-晶粒结构之前，还包括：

对每幅所述训练图像进行二值化处理。

可选的，在所述利用扫描电镜实时获取氧化锌样品的微观图像，得到实时图像之前，还包括：

将装有纳米探针的纳米操作系统安装在扫描电镜的真空室中；

将所述氧化锌样品放置在所述真空室内的样品台上。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明公开的晶界电学特性的表征方法，利用神经网络自动识别出晶粒-晶界-晶粒结构，然后对每个晶粒-晶界-晶粒结构施加电流，并利用阻抗分析仪获取电信号，得到氧化锌样品的电学特性曲线，实现了对氧化锌压敏陶瓷微观特性的自动表征，提高了研究效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明晶界电学特性的表征方法实施例的方法流程图；

图2为本发明晶界电学特性的表征方法实施例中对晶粒-晶界-晶粒结构施加电流的施加顺序图；

图3为本发明晶界电学特性的表征方法实施例中对神经网络进行训练的方法流程图；