Спосіб класифікаційного настроювання електронного мікроскопа за зображенням зразка, що досліджується

Реферат: Cпосіб класифікаційного настроювання електронного мікроскопа за зображенням зразка, що досліджується, належить до електронної мікроскопії для самонастроювання електронного мікроскопа за зображенням досліджуваного об'єкта в таких областях науки, як біологія, геологія, фізика твердого тіла, матеріалознавство. Спосіб полягає в тому, що попередньо визначають для сфокусованого зображення нормоване поле допусків на параметр настроювання - струм управляючої обмотки фокусуючої лінзи, де нижній нормований допуск визначається шляхом зменшення номінального значення параметра настроювання, яке визначає сфокусоване зображення, на відносно малу величину, будують для сфокусованого зображення в радіальному базисі оптимальний в інформаційному розумінні контейнер, що розділяє сфокусоване та розфокусоване зображення, відображають радіус контейнера на шкалі виміру струму і приймають його за нижній нормований допуск. Аналогічно збільшують значення номінального струму фокусуючої лінзи, формують матрицю яскравості для поточного зображення і будують для нього оптимальний в інформаційному розумінні контейнер, який розділяє сфокусоване та розфокусоване зображення, відображають радіус контейнера на шкалі виміру струму і приймають його за верхній нормований допуск. При цьому на кожному кроці автофокусування порівнюють поточне значення параметра настроювання з нормованим полем допусків до тих пір, поки поточне значення параметра настроювання не попаде в нормоване поле допусків, що відповідає закінченню автонастроювання мікроскопа. Технічним результатом є підвищення швидкодії автофокусування електронного мікроскопа за рахунок зменшення тривалості коливального процесу екстремального настроювання. UA 103691 C2 (12) UA 103691 C2 UA 103691 C2 5 10 15 20 25 30 35 40 45 50 55 Винахід належить до області електронної мікроскопії для самонастроювання електронного мікроскопа за зображенням досліджуваного об'єкта і може бути використаний в таких галузях науки, як біологія, геологія, фізика твердого тіла, матеріалознавство. Відомий спосіб автоматичного фокусування електронного мікроскопа за зображенням досліджуваного об'єкта, в якому фокусування здійснюється шляхом пошуку екстремуму автокореляційної функції відеосигналу (див. ав. св. СРСР № 942189, М. кл. Н01J 7/21, 1982). Недоліками аналога є вузький діапазон розгортки, в якому функціонують ці пристрої, та відносно висока стала частота (порядку десятків кілогерц) квантування значень для обчислення автокореляційної функції. Найбільш близьким по технічній суті до способу, що пропонується, є спосіб автоматичного фокусування електронного мікроскопа, який включає формування матриці яскравості зображення, що фокусується, послідовне скануванням потоком електронів його рецепторного поля, порівняння значень яскравості з відповідними контрольними допусками із наступним перетворенням матриці яскравості розфокусованого (базового) зображення у бінарну матрицю, цілеспрямоване змінювання значення струму фокусуючої лінзи на задану величину і для поточного зображення аналогічне формування бінарної матриці яскравості, обчислювання міри різноманітності між базовим і поточним зображеннями по статистичному інформаційному критерію і на кожнім кроці зміни струму фокусуючої лінзи здійснювання ітераційного пошуку максимуму критерію доти, поки не буде знайдене його максимальне значення, що відповідає закінченню процесу автофокусування мікроскопа (див. патент України на винахід № 64570А, М. кл. H01J 37/21, 2004). Недоліком цього винаходу є можливість появи коливального процесу при зміні значення параметра настроювання в області його екстремального значення, що призводить до зменшення оперативності процесу автофокусування мікроскопа, а також необхідність для обчислення автокореляційної функції здійснювати високочастотне квантування сигналу, що викликає запізнення зміни струму обмотки фокусуючої лінзи через її інерційність. В основу винаходу поставлена задача створити такий спосіб класифікаційного настроювання електронного мікроскопа, в якому за рахунок підвищення швидкодії та якості автофокусування забезпечувалась необхідна фокусність зображення шляхом зменшення тривалості коливального процесу екстремального настроювання. Поставлена задача вирішується тим, що в запропонованому способі класифікаційного настроювання електронного мікроскопа, де формують матрицю яскравості зображення фокусуючого об'єкта послідовним скануванням потоком електронів його рецепторного поля з наступним оцінюванням ступеня фокусування електронного зображення об'єкта, відповідно до винаходу, попередньо визначають для сфокусованого зображення нормоване поле допусків на параметр настроювання - струм управляючої обмотки фокусуючої лінзи, де нижній нормований допуск визначається шляхом зменшення номінального значення параметра настроювання, яке визначає сфокусоване зображення, на відносно малу величину, будують для сфокусованого зображення в радіальному базисі оптимальний в інформаційному розумінні контейнер, що розділяє сфокусоване та розфокусоване зображення, відображають радіус контейнера на шкалі виміру струму і приймають його за нижній нормований допуск, потім аналогічно збільшують значення номінального струму фокусуючої лінзи, формують матрицю яскравості для поточного зображення і будують для нього оптимальний в інформаційному розумінні контейнер, який розділяє сфокусоване і розфокусоване зображення, відображають радіус контейнера на шкалі виміру струму і приймають його за верхній нормований допуск, при цьому на кожному кроці автофокусування порівнюють поточне значення параметра настроювання з нормованим полем допусків до тих пір, поки поточне значення параметра настроювання не попаде в нормоване поле допусків, що і відповідає закінченню автонастроювання мікроскопа. Використання способу, що заявляється, у сукупності з усіма істотними ознаками, включаючи відмінні, дозволяє шляхом цілеспрямованої зміни струму фокусуючої лінзи в процесі пошуку максимуму інформаційного критерію різноманітності між початковим розфокусованим і поточним зображеннями досягти необхідної фокусності зображення, зменшуючи тривалість коливального процесу екстремального настроювання. Спосіб, що пропонується, реалізовано при автофокусуванні серійного мікроскопа РЕМ-103 виробництва ВАТ "Selmi" (м. Суми, Україна). Мікроскоп містить відеопристрій, що відображає телевізійним способом досліджуваний зразок на екрані керуючого комп'ютера. Функціональний стан мікроскопа характеризується трьохальтернативною системою оцінок параметра настроювання ІФ - струму фокусуючої лінзи: "МЕНШЕ НОРМИ" - клас "БІЛЬШЕ НОРМИ" - клас o XБ o XM , "НОРМА" - клас o XH і . На фіг. 1 наведено розташування цих класів в області значень 1 UA 103691 C2 параметра ІФ. Тут А0, АН, АВ - номінальне значення параметра, нижній і верхній нормовані (експлуатаційні) допуски на параметр настроювання відповідно. Xo 5 10 Спосіб здійснюють таким чином. Нормовані допуски АН і АВ, задають область Н . Оскільки вони є індивідуальними характеристиками кожного мікроскопа, то після кожного виходу мікроскопа в робочий режим здійснюють їх визначення з метою забезпечення однакових умов формування вхідних даних. Для визначення допусків АН і АВ застосовуємо алгоритм класифікаційного аналізу за інформаційно-екстремальним методом навчання системи автофокусування, який дозволяє побудувати оптимальний контейнер між двома сусідніми класами. За основний клас, який забезпечується поточним значенням струму ІФ і характеризує функціональний стан мікроскопа "НОРМА", приймаємо клас 1). За "сусіда" зліва приймаємо клас Xo , 3 який належить області o XБ Xo 2 o X1 , що належить області o XM , що належить області (фіг. , і за "сусіда" справа - клас . Оскільки на початку функціонування мікроскопа значення Ао і Xo 15 o XH Xo 2 і 3 здійснюють шляхом допуски АН і АВ невідомі, то послідовне формування класів допускової оцінки зміни однієї з об'єктивних інтегральних характеристик зображення, наприклад максимальної контрастності зображення, яку визначають за формулою:   max  min i, j i, j , (1) max min де i, j , i, j - максимальна та мінімальна яскравості рецепторного поля відповідно. Xo За зображення класу 2 - вибирають зображення, для якого середня контрастність при значеннях струму ІФАо. Для формування класу зменшують струм ІФ з кроком ΔІФ, обчислюють поточну максимальну контрастність і, якщо виконується умова ηдоп≤0,95η1, де η1 - середня яскравість зображення класу формують зображення класу 25 o X1 , то поточне зображення визначають як клас Xo 3 побудови контейнера між класами між класами 30 і Xo 2 . Аналогічно за умови збільшення струму ІФ. Визначення допуску АН здійснюють шляхом побудови контейнера між класами o X1 Xo 2 o X1 і Xo 3 o X1 і Xo 2 , а допуску АВ - шляхом . Основні етапи побудови контейнерів, наприклад, наступні:   X o g n  j  1, nmin 1. Формують масив реалізацій зображення класу 1 1,i , i  1,N , , де N, nmin кількість ознак у рядку рецепторного поля і реалізацій образу відповідно. o gn  g  X1 2. Визначають еталонну реалізацію 1 шляхом усереднення реалізацій 1,i . 3. Здійснюють вибір системи контрольних допусків {δk, і} на значення еталонної реалізації g1. При цьому |δk, i|≤|δn, i|, де δn, i - нормоване поле допусків для i-го рецептора.   , 4. Формують навчальну матрицю - бінарний масив {BM1[j, i]}, j, i  1512 , шляхом порівняння  j g g  j    k,i значень кожної реалізації масиву 1,i з відповідними контрольними допусками {δk, і}: if 1,i then BM1[i, j]:=1 else BM1[j, i]:=0.   35 Xo 1 5. Формують за зображенням класу двійковий еталонний (усереднений) векторреалізацію х, шляхом статистичного усереднення відповідних стовпчиків матриці {ВМ1[j, i]}. 6. Формують масив {ВМ2[j, i]} - навчальну матрицю для класу аналогічно пунктам 1, 2, 4 для класу 40 o X1 7. Формують за зображенням класу відповідних стовпців матриці {ВМ2[j, і]}. Xo 2 - яке здійснюється . Xo 2 двійковий еталонний вектор х2 шляхом усереднення 2 UA 103691 C2 Xo 8. Відновлюють оптимальний контейнер для класу 1 у вигляді гіперсфери з центром у вершині вектора х1 шляхом пошуку на кожному кроці навчання максимуму інформаційного критерію функціональної ефективності, який, наприклад, для нормованої ентропійної міри (за Шенноном) має таку модифікацію 1  k   k   k   k  E  1  log2  log2  2   k   D k   k   D k  D k    k  D k    k  D k    2  D1k    k  1 Dk  5 log2 Dk  2 D k  1  D1k    k  (k)  D k  2  k   D k  2 1 log2 D k  1 2  k   D k  2 , (2) {k) 1 , 2 , α , β де - точнісні характеристики процесу навчання: перша і друга достовірності, помилки першого та другого роду відповідно, k - крок навчання. Xo d* 10 15 Пошук оптимального радіуса 1 контейнера класу 1 здійснюють за алгоритмом: а) d:=0; б) d:=d+1; в) обчислюють за формулою (2) критерій Е1; г) визначають робочу (допустиму) область функції критерію (2), в якій перша та друга достовірності дорівнюють D1,D2>0,5; д) для максимального значення критерію (2) в робочій області визначення його функції d* знаходять екстремальне значення радіуса 1 гіперсферичного контейнера; 9. Обчислюють нижній нормований допуск АH за формулою: * A H  IФ1  d1,2   , (3) де ІФ1 - струм фокусуючої лінзи, який визначає яскравість зображення класу 20 оптимальний радіус, визначений при побудові контейнера класу χ - ціна градації, яку визначають за формулою:  o X1 відносно класу o X1 Xo 2 ; * d1,2 ; I1,2 dx1  x 2  . (4) У виразі (4) ΔI, 2=ІФ1-ІФ2 - різниця струмів фокусуючої лінзи, які визначають зображення класів o X1 * A B  IФ1  d1,3   25 де Xo 3  Xo * d1,3 , (5) - оптимальний радіус, визначений при побудові контейнера класу o X1 одиниць). При цьому міжцентрова відстань класів одиниць). відносно класу o X1 і Xo 2 * d1,2  6 (кодових   дорівнює d x1  x 2  10 (кодових Xo  І  1,268 Оскільки для класу 1 значення струму ІФ1=1,280 А, а для класу 2 Ф2 А, тобто різниця дорівнює ΔІ1,2=12 mА. Тоді згідно з виразом (4) ціна градації дорівнює χ=1,2 mА. Таким чином, нижній допуск АH інтервалу "Норма", обчислений за формулою (3), дорівнює 1273 mА. Процес автофокусування мікроскопа полягає у виконанні наступних дій: визначають напрямок зміни струму ІФ шляхом визначення належності початкового розфокусованого Xo 40 o X1 . Аналіз цього графіку показує, що оптимальний радіус дорівнює Xo 35 Xo . На фіг. 2 показано графік залежності інформаційного критерію (2) від радіуса контейнера класу 30  Xo і 2 відповідно; d x1  x2 - кодова відстань між центрами класів 1 і 2 . Аналогічно здійснюють визначення верхнього нормованого допуску АВ за формулою: Xo М або Б для цього зображення шляхом послідовного зображення одній з областей: сканування його рецепторного поля формують матрицю яскравості; формують еталонну реалізацію зображення шляхом статистичного усереднення кривих яскравості, отриманих для кожного рядка рецепторного поля; перетворюють матрицю яскравості в бінарну шляхом порівняння значень яскравості з відповідними контрольними допусками. Цілеспрямовано 3 UA 103691 C2 5 10 15 змінюють струм ІФ на величину ΔІФ. Для поточного зображення зразка аналогічно формують бінарну матрицю яскравості й еталонну реалізацію. У рамках інформаційно-екстремальної інтелектуальної технології, що ґрунтується на машинному навчанні та розпізнаванні образів (див. Краснопоясовський А.С. Інформаційний синтез інтелектуальних систем керування. - Суми: Видавництво СумДУ, 2004.-261 с.) обчислюють інформаційний критерій (2), наприклад, між початковим і поточним зображеннями зразка. Потім порівнюють поточне значення інформаційного критерію з попереднім і, якщо воно має тенденцію до збільшення, змінюють струм ІФ у вибраному напрямі. Настроювання продовжують до тих пір, поки не буде знайдено максимальне значення критерію (2) за умови, що відповідний цьому значенню струм ІФ знаходиться в полі визначених за запропонованим способом нормованих допусків, тобто АН