1.原子力显微结构特征识别与追踪

    我们对扫描得到的图像进行分类以供人工智能原子力显微系统针对性的学习，按照其振幅与相位响应进行特征识别训练，使得人工智能原子力显微系统能够自行分辨其不同的结构特征，并对关键点进行追踪放大扫描定位，以便进行后续的进一步验证。

    2.显微图像微观物理机制辨别与验证

    使用用于材料分类和特征识别的数据进行预训练，并基于人工智能对特定的材料识别分类，将动态识别与底层系统相关的其他特征，例如畴壁或晶界等。通过控制算法，探测器将实时返回识别出的关键特征，并在运行中将适合的区域进行进一步实验。

    3.仿真模拟显微结构替代小标记数据帮助识别

    考虑到振幅及相位直方图往往存在于几个特定的角度，从而使用真实图像进行标记训练往往是低效的。在对支持向量机分类器进行训练时，我们通过仿真模拟了振幅及相位的特征，同时在其基础上增添白噪声，从而避免了繁琐的标注工作。成功地训练了基于模拟形貌图的模型，具体方 

    法是，首先生成随机的畴壁的二进制码，然后从形貌形态学的角度来模拟真实的成像。

 

  原子力显微镜严重依赖操作者的主观经验，用户在进行实验时常常忽略重要但微妙的信息，在后期的数据处理发现时为时已晚。当前商业上还未出现成熟产品，但其人工智能化的趋势已在学术上略显端倪，稍早前Krull等人发表展示了一个基于机器学习的自动扫描探针显微镜，其包括良好样本区域的算法搜索和用于可靠调节探针状态的深度强化学习机制，并可以根据不同的实验条件管理探针质量。上述技术虽然展示了一个完整人工智能驱动原子力显微系统的可行性，但由于其复杂的结构，对实验结果缺少必要验证程序以及只可适用于形貌扫描的单一性都使得该技术的普遍性及可信度都存在较大的易用改善空间。

  本技术方案针对上述问题，具有如下优势：

    一、原子力显微系统显微结构特征识别与追踪。针对原子力显微镜下定位困难，选择了适用于原子力显微系统显微图像的图像特征识别算法，以追踪到成像良好的平缓区域进行后续的实验操作。

    二、脏数据下原子力显微系统显微特征识别与扫描定位。将成像分解为“空间包络模型”和“视觉词袋”以对数据判别，从而识别脏数据下人眼难以分辨的细微视觉特征，从而定位到利于后续实验进行的区域。

    三、显微图像假象识别。对于由扫描参数不当而造成的假象如：热漂移、调频、针尖破损等场景，该套技术依旧能有相当不错的识别效果。