【技术实现步骤摘要】
使用语义分段的位姿估计
技术介绍
样本对准是对显微镜系统中样本的评估的核心挑战。从历史上看，这涉及熟练的操作者识别样本的位置，然后调整样本，使其处于所要位置和/或定向。然而，由熟练的操作者对样本位置的这种识别可能是繁重的并且缺乏稳健性。此外，为了增加产率和减小成本，期望通过尽可能多地消除不必要的人与过程的交互来简化样本评估。出于这些原因，当前的显微镜系统正发展为使样本评估过程的各个步骤自动化。举例来说，当前的显微镜系统尝试经由多种图像处理算法和系统操纵来使各种样本对准过程（例如，倾斜对准、偏心对准、漂移控制等）自动化，所述多种图像处理算法和系统操纵找到由显微镜系统生成的图像中样本的位置。存在许多用于使识别此图像中样本的位置的步骤自动化的技术，包含利用交叉相关、边缘匹配和几何形状匹配的算法。然而，虽然当前自动化技术在识别图像中样本的位置时展现子像素匹配精度，但其难以识别已经变形、更改和/或损坏的样本。因此，期望具有一种可自动在图像内识别已变形、更改和/或损坏的样本的位置的显微镜系统。
技术实现思路
公开用于实施人工智能以确定显微镜系统内...
【技术保护点】
1.一种用于估计带电粒子显微镜设备中样本的位置的方法，所述方法包括：/n接收所述带电粒子显微镜设备中所述样本的图像；/n访问与所述样本相关联的模板，所述模板描述处于所要对准的所述样本的模板型式，所述模板进一步包含所述样本的所述模板型式的多个模板关键点；/n确定所述样本上的多个关键点，所述样本上的所述关键点中的每一个对应于样本模板的对应模板关键点；/n基于所述关键点和所述对应模板关键点确定所述图像中的所述样本和如所述模板中所描述的所述样本的所述模板型式之间的变换；以及/n基于所述变换使所述样本在所述带电粒子显微镜设备内对准。/n
【技术特征摘要】
20190924 US 16/5809571.一种用于估计带电粒子显微镜设备中样本的位置的方法，所述方法包括：
接收所述带电粒子显微镜设备中所述样本的图像；
访问与所述样本相关联的模板，所述模板描述处于所要对准的所述样本的模板型式，所述模板进一步包含所述样本的所述模板型式的多个模板关键点；
确定所述样本上的多个关键点，所述样本上的所述关键点中的每一个对应于样本模板的对应模板关键点；
基于所述关键点和所述对应模板关键点确定所述图像中的所述样本和如所述模板中所描述的所述样本的所述模板型式之间的变换；以及
基于所述变换使所述样本在所述带电粒子显微镜设备内对准。
2.根据权利要求1所述的方法，其中在所述带电粒子显微镜设备中对准所述样本包括作为自动形成子样本/薄片的过程的一部分对准所述样本。
3.根据权利要求1所述的方法，其中所述模板描述将从中形成子样本/薄片的所述样本的所要区，且在所述带电粒子显微镜设备中对准所述样本包括对准所述样本使得从所述样本的所述所要区自动形成所述子样本/薄片。
4.根据权利要求1所述的方法，其进一步包括使所述带电粒子显微镜设备的光学件基于所述关键点和所述对应模板关键点进行调整。
5.根据权利要求1所述的方法，其中所述变换包括平移、旋转、缩放调整、偏斜或另一种类的线性变换矩阵的应用中的一个或多个。
6.根据权利要求1所述的方法，其中所述关键点是所述样本的所述图像内的点位置。
7.根据权利要求1所述的方法，其中使用卷积神经网络（CNN）确定所述关键点。
8.根据权利要求1所述的方法，其中确定所述关键点包括：
将所述图像分段以形成经分段图像；以及
基于所述经分段图像确定所述关键点。
9.根据权利要求1所述的方法，其中确定所述样本上的所述多个关键点包括用卷积神经网络（CNN）处理所述图像，其中所述CNN的输出包含所述样本的所述图像内的所述样本上的所述多个关键点中的每一个的预测位置的坐标。
10.根据权利要求1所述的方法，其中确定所述变换包括确定所述图像中所述样本的位姿，且接着基于所述位姿确定所述变换。
11.根据权利要求1所述的方法，其中所述图像中所述样本的所述关键点中的每一个和对应模板关键点之间存在一对一对应性。
12.根据权利要求1所述的方法，其中所述样本在探针上，且其中使所述样本对准包括操纵所述探针使得所述样本处于所要位置。
13.根据权利要求1所述的方法，其中所述样本在样本固持器上，且其中使所述样本对准包括操纵所述样本固持器使得所述样本处于所...
【专利技术属性】
技术研发人员：J·弗拉纳根，B·拉森，T·米勒，
申请(专利权)人：FEI公司，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。