Введение к работе
Актуальность темы связана с высокой значимостью контроля дисперсности безлигандных металлических наночастиц (ультрадисперсных частиц с размерами 1-100 нм) для создания перспективных материалов с прогнозируемыми сочетаниями механических и физико-химических свойств. Такие материалы обладают обусловленными наноразмерным эффектом принципиально новыми механическими, магнитными, каталитическими и другими физико- химическими свойствами. Применение сканирующего туннельного микроскопа (СТМ) для контроля дисперсности наночастиц выдвигает новые требования к его эксплуатационным и метрологическим характеристикам. Эти требования, в первую очередь, подразумевают повышение производительности СТМ, предотвращение зондирующего острия (ЗО) и поверхности от повреждений, координатной привязки ЗО к поверхности в многокадровых режимах работы СТМ, обеспечение широких возможностей автоматического анализа полученных изображений рельефа поверхности изучаемых материалов. Применение СТМ требует решения комплекса задач, одни из которых направлены на улучшение метрологических характеристик и производительности СТМ, другие - на создание эффективных методов обработки получаемой информации.
Процесс управления сканированием поверхности по своей продолжительности является основной составляющей затрат времени на получение требуемой измерительной информации, поэтому крайне важно увеличение скорости сканирования для повышения производительности СТМ. Низкая скорость сканирования обусловлена тем, что в процессе сканирования изменения рельефа поверхности могут привести к механическому контакту ЗО с исследуемой поверхностью. Резервы увеличения производительности СТМ следует искать в области методов адаптивного управления сканированием поверхности, основанных на прогнозировании возмущающих воздействий и формировании упреждающих сигналов управления на базе полученных прогнозных оценок. Таким образом, актуальной задачей совершенствования СТМ является разработка методов прогнозирования, адаптированных к условиям формирования СТМ- изображений. Главной задачей при этом должен стать выбор модели, адекватно описывающей динамику изменений рельефа поверхности на прогнозном интервале и обеспечивающий работу в режиме реального времени.
Выполнение процедуры автоматической координатной привязки ЗО к системе координат, в которой снимались предыдущие кадры, необходимо при работе в многокадровом режиме СТМ. К таким случаям относятся замена ЗО, смещение образца для сдвига поля зрения микроскопа, температурный дрейф конструкции при продолжительном перерыве в работе и др. Создание эффективных методов оценки изменяющихся параметров межкадровых пространственных преобразований является одной из важных проблем обработки последовательностей СТМ-изображений больших размеров в условиях априорной неопределенности. Достоверность вычислений в таких методах может повышаться за счет внесения избыточности в информацию о параметрах преобразования, определяемых множеством локальных соответст- вий на изображениях.
Одним из направлений применения СТМ являются поиск, идентификация и определение размеров наночастиц или локальных особенностей поверхности. Основные проблемы адекватной машинной интерпретации поверхности на СТМ-изображениях обусловлены сложной объемной структурой получающихся профилограмм, воздействием высокого уровня и разнообразия помех. С учетом свойств формы областей задача автоматической сегментации и описания геометрических структур СТМ-изображения может осуществляться детекторами кривизны поверхности и основана на понятиях выпуклости и вогнутости поверхности, функции локальной кривизны и ее экстремумов, то есть на базе смысловых характеристик его структурных элементов. Поэтому, разработка различных моделей детекторов кривизны (ориентированных на выделение структурных элементов СТМ-изображений в условиях помех) для статистического контроля геометрических параметров наночастиц является актуальной задачей.
Целью данной работы является разработка методов и средств контроля дисперсности наночастиц сканирующим туннельным микроскопом посредством создания методов сканирования, координатной привязки и сегментации СТМ-изображений, обеспечивающих за счет адаптивного прогнозирования увеличение скорости сканирования и сохранности зондирующей иглы, устранение геометрического рассогласования кадров на основе дифференциации результатов массовых вычислений параметров преобразований и выделение структурных элементов СТМ-изображений плоскими и сферическим детекторами кривизны.
В соответствии с поставленной целью сформулированы и решены следующие задачи.
Разработка методов ускорения сканирования исследуемой поверхности туннельным микроскопом.
Автоматизация обнаружения и учета наночастиц на поверхности.
Создание методов структурного анализа СТМ-изображений.
Разработка программно-аппаратного и технологического обеспечения туннельного микроскопа для контроля дисперсности наночастиц.
5 Разработка технологического обеспечения СТМ для настройки алгоритмов прогнозирования, геометрической привязки и сегментации СТМ- изображений.
Объектом исследования являются адаптивные методы прогнозирования в системах сканирования туннельных микроскопов, методы определения параметров пространственного рассогласования изображений, а также методы сегментации изображений на основе анализа кривизны линий и поверхности.
Предметом исследования являются модели наноструктуры поверхности, методики получения и обработки СТМ-изображений.
Методы исследования. В диссертации использован комплексный метод, включающий теоретические исследования и экспериментальную проверку полученных результатов. В теоретических исследованиях использовались: численные методы, основы теории множеств, цифровая обработка изображений и сигналов, теоретические основы информатики и программирования. В экспериментальных исследованиях разработанных методов и алгоритмов применялись методы системного анализа, имитационного моделирования, статистические методы обработки результатов исследований.
Достоверность и обоснованность полученных в работе результатов подтверждаются корректным использованием математических методов, проверкой теоретических выводов экспериментами, а также итогами компьютерного моделирования. Достоверность результатов экспериментальных исследований обеспечена их хорошей согласованностью с прогнозируемыми данными и их представлением на большом объеме экспериментального материала, а также воспроизводимостью и выбором надежных критериев при построении алгоритмов обработки изображений и наглядностью полученных практических результатов.
Научная новизна работы заключается в следующем.
Впервые теоретически обоснована и экспериментально подтверждена возможность улучшения прогнозных оценок рельефа поверхности на основе метода прогнозирования с многоуровневой моделью адаптации (ММА) к функции рельефа и шумам. Обосновано применение одной и той же функции предсказания для настройки алгоритма предсказания посредством минимизации дисперсии при изменении порядка прогнозируемой ошибки прогноза.
Разработаны три алгоритма реализации метода ММА с адаптацией к различному уровню и типам шумов: с накоплением глобальной статистики ошибок прогнозирования, с локальной адаптацией к динамике функции рельефа и со сменой модели функции предсказания. На основе оценки вычислительной сложности алгоритмов предложены структуры данных и процедуры для их эффективной реализации в зависимости от производительности управляющего процессора.
Создан метод статистической дифференциации для определения взаимного сдвига и поворота изображений, позволяющий осуществлять координатную привязку сканирующего зонда к определенным структурам на поверхности в многокадровых режимах работы СТМ. Установлено, что высокая надежность определения неизвестных параметров геометрического преобразования обеспечивается большим уровнем избыточности, которая вносится в информацию об этих параметрах и их статистической дифференциацией в гистограммах распределения. Предложены структуры данных для подстройки предложенного метода под определенные показатели виброакустических и электронных шумов конкретного экземпляра СТМ.
Разработаны и экспериментально исследованы плоские и сферический детекторы локальной кривизны, позволяющие улучшить результаты сегментации СТМ-изображений как в качественном, так и количественном выражении.
Предложен метод настройки алгоритмов вычисления параметров геометрического рассогласования смежных кадров и детекторов локальной кривизны СТМ-изображений посредством испытаний на синтезированных изображениях частиц с изменяемыми уровнем шумов и фоновым рельефом поверхности.
Основные положения, выносимые на защиту.
Метод прогнозирования с многоуровневой моделью адаптации (ММА) к шумам и динамике рельефа, основанный на моделировании ошибок различных порядков, обеспечивающий повышение быстродействия и настройку устойчивости каналов упреждающего управления туннельным промежутком. Алгоритмы реализации метода ММА с накоплением глобальной статистики ошибок прогнозирования, с локальной адаптацией к динамике функции рельефа и со сменой модели функции предсказания.
Метод статистической дифференциации для определения взаимного сдвига и поворота СТМ-изображений, вычисления температурного дрейфа конструкции СТМ, основанный на результатах массовых вычислений параметров преобразований по отождествленным точкам, образующим пары соответствий.
Модели трех плоских детекторов кривизны («Хорда», «Сектор», «Круг»), позволяющие выделять структурные элементы и вычислять их количественные параметры путем анализа профилограмм по строкам и столбцам СТМ-изображений.
Модель сферического детектора с непосредственной оценкой кривизны поверхности, основанная на аппроксимации части рельефа шаром и обладающая более высокими по сравнению с плоскими детекторами показателями по обнаружению и описанию кривизны локальных особенностей СТМ- изображений.
Методики и программы технологической настройки и проверки работоспособности функций сканирования поверхности, координатной привязки, сегментации изображений СТМ.
Практическая ценность работы определяется ее прикладной направленностью, ориентированной на использование полученных результатов для контроля дисперсности наночастиц туннельным микроскопом.
Предложенные алгоритмы, реализующие разработанный метод прогнозирования, позволяют улучшить динамические характеристики системы управления сканированием, адаптироваться к уровню шумов, обеспечивая сохранность ЗО и поверхность образца.
Предложен помехоустойчивый метод устранения геометрического рассогласования смежных кадров и координатной привязки ЗО, обеспечивающий работу СТМ в многокадровом режиме. Большой уровень избыточности, вносимый в процесс вычисления параметров геометрического преобразования, повышает достоверность получаемых результатов.
Разработанные детекторы кривизны поверхности позволяют не только осуществлять контроль дисперсности по СТМ-изображениям, но могут быть использованы в подсистеме настройки и тестирования СТМ, а также при работе с другими категориями изображений.
Реализация результатов работы. Результаты диссертационной работы использованы при разработке и совершенствовании программно-аппаратных средств и методов для изучения наноструктуры поверхности сканирующим туннельным микроскопом и внедрены в ИМ УрО РАН, а также в учебном процессе ИжГТУ.
Работа выполнялась в соответствии с планами госбюджетных научно- исследовательских работ, проводимых ИМ УрО РАН:
«Разработка прецизионных методов тестирования новых материалов и технических систем для энергетики, высокоэффективных химических процессов и нанотехнологий» (2007-2009г., № гос. рег. 01200708351);
«Создание новых методов и средств диагностики материалов и изделий для нанотехнологий, энергетики и обеспечения техногенной безопасности» (2010-2012г., № гос. рег. 01201000907), а также в рамках
интеграционного проекта УрО РАН и СО РАН «Теория и технология формирования атомарно острых зондирующих острий сканирующего туннельного микроскопа» (2006-2008г.);
гранта РФФИ 10-08-96023-р_урал_а «Исследование электрофизических процессов формирования нанозондов для электрохимического сканирующего туннельного микроскопа» (2010-2012г.);
интеграционного проекта УрО РАН и СО РАН «Теория и технология создания и использования атомарно острых зондирующих игл гибридных сканирующих туннельных микроскопов» (2009-2011г.).
Апробация работы. Основные положения работы докладывались и обсуждались на двух международных научно-технических конференциях «Измерения, контроль, информатизация» (Барнаул, 2008, 2009); III международной конференции «Технические университеты: интеграция с европейской и мировыми системами образования» (Ижевск, 2008); научно-технической конференции «Виртуальные и интеллектуальные системы» (Барнаул, 2011); научно-технической конференции, посвященной 50-летию кафедры «Вычислительная техника» ИжГТУ (Ижевск, 2009); научно-технической конференции «Информационные технологии в науке, промышленности и образовании» (Ижевск, 2010).
Публикации. По теме диссертации опубликовано 20 печатных работ, из них 7 статей в журналах, рекомендуемых ВАК РФ, 2 патента РФ, 2 свидетельства о государственной регистрации программы для ЭВМ.
Личный вклад автора. Диссертантом лично разработаны многоуровневый алгоритм прогнозирования, метод определения параметров геометрического рассогласования изображений, плоский и сферический детекторы кривизны, а также программное обеспечение, представленное в диссертационной работе. Формирование структуры диссертационной работы, определение цели и задач, выбор направлений исследований, привязка их к предметной области диссертант выполнялись при активном участии научного руководителя д.т.н., профессора Шелковникова Ю.К. Технология применения и настройки разработанных диссертантом методов и средств под решение задачи контроля дисперсности в составе СТМ разработана при участии научного консультанта к.т.н. Гуляева П.В. В совместных публикациях автора его вклад состоит в постановке и проведении теоретических и прикладных исследований, которые определяют основу диссертации и новизну полученных результатов.
Структура и объём работы. Структура и объем работы определяются общим замыслом и логикой проведения исследований. Диссертация содержит введение, 5 глав и заключение, изложенные на 172 с. машинописного текста. В работу включены 54 рис., 10 табл., список литературы из 123 наименований и приложение.
