用于材料显微表征的辉光放电溅射样品制备的装置及方法

    公开(公告)号:CN112067391B

    公开(公告)日:2023-10-10

    申请号:CN202010951252.8

    申请日:2020-09-11

    Abstract: 本发明涉及一种用于材料显微表征的辉光放电溅射样品制备的装置及方法,装置包括辉光放电溅射单元、辉光放电供能源、气路自动控制单元、光谱仪和计算机;对辉光放电溅射单元结构通过模拟优化以更加适合样品制备,并通过施加一个磁场于辉光等离子体实现在样品表面大尺寸范围内均匀样品溅射;光谱仪用于监控样品溅射深度方向上元素光谱信号,以实现不同层组织结构的精确制备;结合样品位置标记与精确空间坐标(x,y,z)信息的获取,实现样品制备表面空间坐标与组织结构的对应。本发明可以实现样品mm~cm级大尺寸平坦制备、对材料组织结构无损伤、可沿样品表面深度方向逐层制备,制备快速、费用低。

    材料组织结构大尺寸高通量定量表征三维重构设备和方法

    公开(公告)号:CN109884104A

    公开(公告)日:2019-06-14

    申请号:CN201910192461.6

    申请日:2019-03-14

    Abstract: 本发明涉及一种材料组织结构大尺寸高通量定量表征三维重构设备和方法,所述设备包括辉光放电溅射单元、样品传送装置、扫描电镜单元和GPU计算机工作站。辉光放电溅射单元可实现样品大尺寸(cm级)、近平坦、快速制备样品,并可控地实现沿样品表面深度方向逐层剥蚀制样,快速扫描电镜实现样品特征图谱大尺寸、高通量地获取,样品传送装置负责将样品在辉光放电溅射光源和扫描电镜之间来回准确定位地传送,GPU计算机工作站将获取的样品特征图谱拼接、处理、识别和定量分布表征,以及对逐层溅射制样的样品组织结构进行三维重构;该设备和方法能实现cm级大尺寸样品的快速制备、特征图谱高通量的获取与评价、微观组织结构的定量统计分布表征及三维重构。

    用于材料显微表征的辉光放电溅射样品制备的装置及方法

    公开(公告)号:CN112067391A

    公开(公告)日:2020-12-11

    申请号:CN202010951252.8

    申请日:2020-09-11

    Abstract: 本发明涉及一种用于材料显微表征的辉光放电溅射样品制备的装置及方法,装置包括辉光放电溅射单元、辉光放电供能源、气路自动控制单元、光谱仪和计算机;对辉光放电溅射单元结构通过模拟优化以更加适合样品制备,并通过施加一个磁场于辉光等离子体实现在样品表面大尺寸范围内均匀样品溅射;光谱仪用于监控样品溅射深度方向上元素光谱信号,以实现不同层组织结构的精确制备;结合样品位置标记与精确空间坐标(x,y,z)信息的获取,实现样品制备表面空间坐标与组织结构的对应。本发明可以实现样品mm~cm级大尺寸平坦制备、对材料组织结构无损伤、可沿样品表面深度方向逐层制备,制备快速、费用低。

    材料组织结构大尺寸高通量定量表征三维重构设备和方法

    公开(公告)号:CN109884104B

    公开(公告)日:2020-05-15

    申请号:CN201910192461.6

    申请日:2019-03-14

    Abstract: 本发明涉及一种材料组织结构大尺寸高通量定量表征三维重构设备和方法,所述设备包括辉光放电溅射单元、样品传送装置、扫描电镜单元和GPU计算机工作站。辉光放电溅射单元可实现样品大尺寸(cm级)、近平坦、快速制备样品,并可控地实现沿样品表面深度方向逐层剥蚀制样,快速扫描电镜实现样品特征图谱大尺寸、高通量地获取,样品传送装置负责将样品在辉光放电溅射光源和扫描电镜之间来回准确定位地传送,GPU计算机工作站将获取的样品特征图谱拼接、处理、识别和定量分布表征,以及对逐层溅射制样的样品组织结构进行三维重构;该设备和方法能实现cm级大尺寸样品的快速制备、特征图谱高通量的获取与评价、微观组织结构的定量统计分布表征及三维重构。

    一种基于增量学习的镍基高温合金中晶界提取方法及系统

    公开(公告)号:CN115713521A

    公开(公告)日:2023-02-24

    申请号:CN202211482908.1

    申请日:2022-11-24

    Abstract: 本发明公开了一种基于增量学习的镍基高温合金中晶界提取方法及系统,包括:获取被检测目标的晶粒图像;对晶粒图像进行预处理,得到晶粒图像中晶界特征值,晶界特征识别机器学习网络模型设置依据特征值,通过基础分割网络模型参数集合得到晶界识别判断结果,若用户调整晶界识别判断结果,将调整后的晶界识别结果作为最终识别结果输出,并对晶粒图像识别机器学习模型进行优化更新;本发明通过机器学习进行晶粒图像中晶界的识别,利用多任务、多标签的增量学习方法,并根据最终识别结果与新增任务进行增量优化,持续更新迭代机器学习模型,提高算法模型的精度与泛化能力,有效提高了晶界识别的准确性,克服了以往晶界识别算法精度低、效果差的缺陷。

Patent Agency Ranking