[发明专利]一种二维材料样品位置可视化方法

权利要求书

1.一种二维材料样品位置可视化方法，其特征在于，包括如下步骤：

S1：制作二维材料数据集，在改变光照强度，样品在图片中的位置和图片清晰度的情况下，拍摄带有样品的光学显微图片，并对所有的图片进行标注，标注完成后随机划分为训练集和测试集；

S2：通过检测训练集中图片的片状目标，建立可视化模型，对训练集进行训练直到模型收敛，并用测试集对可视化模型进行验证，将验证合格的可视化模型进行部署；

S3：针对待测试图片进行检测，对检测后的图片进行多次片状材料参数数据筛选，并采用可视化模型对待测试图片的目标位置进行模拟可视化。

2.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，所述二维材料选自石墨烯或者二硫化钼。

3.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，所述S2包括如下步骤：

S201：网络头权重的初始化使用数据集预训练获得的权重，网络权重的其余部分使用随机值进行初始化，优化器使用动量为0.9且权重衰减因子为0.1的随机梯度下降优化器；

S202：训练分为多个阶段；

S203：使用了数据增强方法增加训练数据集的数量；

S204：训练批次设置后，进行训练。

4.根据权利要求3所述的二维材料样品位置可视化方法，其特征在于，数据增强方法包括色彩通道乘法，旋转，水平/垂直翻转和水平/垂直平移。

5.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，采用MATLAB自带工具Image Labeler对数据集进行标注，标注完成后以8：2的比例将数据划分为训练集和测试集。

6.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，使用Mask RCNN算法对数据集进行训练。

7.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，数据筛选主要通过样品是否存在，是否为样品的概率和样品的面积三个方面来进行筛选，通过三次过滤后对剩余的图片位置信息进行提取。

8.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，所述步骤S3包括如下步骤：

S301：使用自动扫描系统采集带有位置参数的二维材料光学图片，对每张图片都进行检测；

S302：检测完成后先去除掉没有样品的图片；

S303：设置样品概率阈值和样品面积阈值，将未达到要求的图片进行去除；

S304：提取剩余图片的位置信息，使用可视化软件对其位置进行模拟可视化。

9.根据权利要求1所述的二维材料样品位置可视化方法，其特征在于，使用Python软件对其位置进行模拟可视化。