[发明专利]一种利用机器学习方法快速识别和分析二维材料的方法

权利要求书

1.一种利用机器学习方法快速识别和分析材料的方法，其特征在于包括如下步骤：

步骤1，利用光学显微镜的100倍镜头拍摄二维材料的光学显微镜照片；

步骤2，利用Python 3.7的开源matplotlib模块提取照片50×50的像素点的RGBHSV信息，并送入搭建的神经网络中，进行成分及层数的分析；

所述步骤2中，搭建的神经网络包括由输入至输出依次连接的输入层、隐藏层、输出层，输入的数据为RGBHSV六个参数，隐藏层设置有四层，四层的神经元个数分别为256,1024,1024,256，其中每层隐藏层的每个神经元是前一层的所有神经元的权重相加、然后经过非线性的激活函数得到的结果，之后将这一结果传入下一层进行运算。

2.如权利要求1所述的方法，其特征在于：所述步骤2中，神经网络输出的分析结果中，成分为如下8种中的一种：二硫化钨，二硫化钼，二碲化钼，二硒化钨，二硒化钼，石墨烯，六方氮化硼(h-BN)，Bi₂Sr₂CaCu₂O₈。

3.如权利要求1所述的方法，其特征在于：所述步骤2中，搭建神经网络的具体过程是：

S1，利用光学显微镜的100倍镜头拍摄N组等间距变化的由最暗至最亮的光强下8种二维材料的光学显微镜照片，N为自然数；

S2，用拉曼光谱确定各二维材料的种类及层数；

S3，利用Python 3.7的开源matplotlib模块提取出每种材料50×50的像素点的RGBHSV信息，并送入神经网络中，对神经网络进行训练，直至损失函数最小；

S4，利用测试集中的照片测试神经网络的准确率，调节训练次数和训练速率至准确率符合预定要求，从而得到搭建好的神经网络结构。

4.如权利要求3所述的方法，其特征在于：所述步骤S1中，N取值为11。

5.如权利要求3所述的方法，其特征在于：所述步骤S1中，拍摄光学显微镜照片时，将8种二维材料置于N组等间距变化的由最暗至最亮的光强下进行拍摄。

6.如权利要求3所述的方法，其特征在于：所述步骤S3中，利用Python 3.7的开源matplotlib模块提取出每种材料50×50的像素点的RGBHSV信息，按照4：1的比例构建训练集和测试集，并由训练集中获取信息送入神经网络中，对神经网络进行训练。

7.如权利要求3所述的方法，其特征在于：所述步骤S3中，损失函数L的表达式如下：

其中，表示神经网络的预测值，Y_i表示真实结果所代表的值。