基于深度学习的特征检测在二维 X 射线散射数据上追踪钙钛矿结晶
计算机视觉与模式识别
2022-05-04 v1 软凝聚态物质
摘要
理解钙钛矿结晶过程对于改善有机太阳能电池的性能至关重要。原位实时掠入射 X 射线衍射（GIXD）是完成该任务的关键技术，但它会产生大量数据，常常超出传统数据处理方法的能力。我们提出了一种基于 Faster R-CNN 深度学习目标检测架构并针对散射数据特点进行修改的 GIXD 图像自动分析流水线。该模型在带有各种实验伪影的噪声图案上检测衍射特征时表现出高精度。我们在有机-无机钙钛矿结构结晶的实时追踪上展示了我们的方法，并在两个应用上进行了测试：1. 对 Ruddlesden-Popper 二维钙钛矿两种共存相的自动相识别与晶胞测定；2. MAPbI 钙钛矿形成的快速追踪。根据设计，我们的方法同样适用于其他晶态薄膜材料。
引用
@article{arxiv.2202.10983,
title = {Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data},
author = {Vladimir Starostin and Valentin Munteanu and Alessandro Greco and Ekaterina Kneschaurek and Alina Pleli and Florian Bertram and Alexander Gerlach and Alexander Hinderhofer and Frank Schreiber},
journal= {arXiv preprint arXiv:2202.10983},
year = {2022}
}