[发明专利]一种基于大数据分析的石墨烯指纹峰分析方法

说明书

本发明公开了一种基于大数据分析的石墨烯指纹峰分析方法，步骤一、对石墨烯拉曼光谱上的q个特征峰邻域中的任意区域进行重新采样m个点；步骤二、对重采样后的m个点特征峰邻域特征光谱做p个点快速傅立叶变换，以获得特征峰邻域复轨迹；步骤三、对所获得的每一条复轨迹的幅度根据其最大幅度进行归一化；步骤四、将复轨迹从外向内划分为若干周并定义标识特征集；步骤五、建立基于大数据的石墨烯拉曼光谱自动识别模型；步骤六、对待识别的石墨烯拉曼光谱进行自动识别，根据识别结果进行缺陷判决和层数判决。本发明在大数据背景下，根据石墨烯的拉曼特征光谱进行石墨烯单层/多层，或有无缺陷进行自动识别，提高识别准确率和效率。

技术领域

本发明涉及大数据分析技术领域，更具体地说，本发明涉及一种基于大数据分析的石墨烯指纹峰分析方法。

背景技术

作为单独存在的只有一个原子厚度的二维晶体，石墨烯具有非常独特的电性能、导热性能和光学性质，已开始在整流、光探测器、触摸屏等电子和光电子器件中作为透明电极获得广泛地应用。目前，大面积石墨烯的制备技术日臻成熟，特别是采用化学气相沉积(CVD)技术制备的12吋石墨烯薄膜已经见诸报道。在此背景下，石墨烯薄膜质量成为人们关注的重要问题。不同层数的石墨烯电子能级的分布有很大的差异，缺陷造成的散射也会使石墨烯中原本很高的载流子迁移率大大降低。而目前大面积生长的石墨烯很难做到全部是单层且无缺陷，因此对石墨烯质量——包括缺陷的分布和层数(特别是是否为单层)的分布——进行快速准确的测量和分析成为一个迫切的需求。

拉曼光谱是一种有效的对石墨烯质量进行测量的方法。将一束激光照在石墨烯薄膜上，收集其产生的拉曼光谱，通过G峰和2D峰的强度的对比关系可以反映石墨烯的层数——2D峰强于G峰则为单层，反之为多层。此外，通过观察有无D峰可以反映被测区域有无缺陷。尤其是近年来共聚焦拉曼光谱技术的飞速发展，可以通过直径在微米量级的共焦光斑在样品表面扫描，逐点采集完整的拉曼光谱，从而获得上述信息在样品中的分布。随着光学效率的提高，采集一条拉曼光谱的甚至已经可以做到毫秒量级，在有限时间内可以采集成千上万个点的拉曼光谱数据，使得对石墨烯薄膜的层数和缺陷分布进行大面积分析成为可能。

在此背景下，对于这些大量的光谱数据的自动分析成为了一个很大的挑战。人工处理已经变得不可能，而传统的非智能算法则由于样品衬底的荧光背景起伏、背景辐射粒子造成的噪点以及光谱信号整体强度的波动等这些近似随即出现的干扰现象的制约，在处理这些巨量数据时也面临很大困难。针对这一挑战，本发明提出一种在大数据背景下，对石墨烯拉曼特征光谱进行自动识别，完成对石墨烯薄膜质量的自动判别。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于大数据分析的石墨烯指纹峰分析方法，首先，基于一定量的石墨烯拉曼光谱的特征峰邻域进行复轨迹分析，并提取特征集，训练用于自动识别的智能算法模型；对新采集的石墨烯拉曼光谱数据，对特征峰邻域进行特征提取，输入智能算法模型中进行自动识别。也就是对大数据背景下，根据石墨烯的拉曼特征光谱进行石墨烯单层/多层，或有无缺陷进行自动识别，提高识别准确率和效率。

为了实现根据本发明的这些目的和其它优点，提供了一种基于大数据分析的石墨烯指纹峰分析方法，包括：

步骤一、采集由石墨烯上产生的拉曼光谱，对其中一条石墨烯拉曼光谱上的q个特征峰邻域中的任意区域进行重新采样m个点；

步骤二、对重采样后的m个点特征峰邻域特征光谱做p个点快速傅立叶变换，以获得光滑曲线，经傅立叶变换得到特征峰邻域复轨迹；

步骤三、对所获得的每一条复轨迹的幅度根据其最大幅度进行归一化，并进行相位调整，强制轨迹起点处相位为0；

步骤四、根据复轨迹的收敛规律，将所述复轨迹从外向内划分为若干周，根据所述复轨迹上划分的周数定义标识特征集，用于后续的大数据分析算法；