摘要
本发明公开了一种基于多设备联用的制剂内原辅料识别方法及系统,方法包括对待测试样品的一截面进行冷冻抛光处理以获得待测试截面;采用电子显微镜对待测试截面进行观察以获得待测试截面的电镜图像,并在待测试截面上确定一待测试区;采用能谱仪扫描待测试区以获得能谱图像;根据电镜图像和能谱图像判断测试样品中是否具有特征元素,若有特征元素,则根据能谱图像识别特征元素;根据电镜图像和能谱图像判断测试样品中是否具有匹配预设的形貌特征的成分,若有匹配预设的形貌特征的成分,则利用预先构建的卷积神经网络模型对电镜图像进行分析处理以识别匹配预设的形貌特征的成分。本发明能够更准确、更快速地识别待分析样品中的成分。
技术关键词
形貌特征
测试样品
卷积神经网络模型
电镜
多设备
图像
识别方法
电子显微镜
制剂
深度学习模型
原子力显微镜
识别系统
元素
拉曼光谱仪
图谱
拉曼光谱技术
分辨率
样本
高分子化合物
系统为您推荐了相关专利信息
洪水预报方法
洪水预报模型
卷积神经网络模型
马尔科夫模型
指数
卷积神经网络模型
判断方法
包装机
样本
神经网络算法模型
深度预测模型
图像
明场显微镜
运动
辅助生殖技术
关键帧
视觉闭环检测方法
局部特征信息
卷积神经网络模型
队列
卷积神经网络模型
深度学习模型
标注方法
数据
偏振光