[发明专利]自动分类发射器结构的方法、执行方法的设备和存储介质

权利要求书

1.一种计算机实施的用于自动分类(103)发射器结构(E)的方法(100)，所述发射器结构构成为发射电子以产生X射线，其中基于发射器结构(E)的参考图像进行所述分类(103)，其中分类包括第一类别(K1)和至少一个第二类别(K2，KN)，其中所述第一类别(K1)对应于基本上无缺陷的发射器结构(E)并且所述至少一个第二类别(K2，KN)对应于有缺陷的发射器结构，

其特征在于，为了分类，参考、尤其接收构造为融合图像(I)的图像(102)，所述融合图像由亮场图像、尤其亮场显微镜图像，和暗场图像、尤其暗场显微镜图像构成，并且根据所述融合图像(I)借助于为了分类(103)所述发射器结构(E)所训练的用于分类(103)所述发射器结构(E)的人工神经网络(30)将所述发射器结构(E)分类(103)成第一类别和至少所述第二类别(K1，K2，KN)，其中产生(105)用于输出借助于分类(103)确定的对于所述发射器结构(E)的类别(K1，K2，KN)的信号。

2.根据权利要求1所述的方法，

其中借助于为了分类所述发射器结构(E)所训练的深度神经网(30)、尤其卷积神经网络(30)进行所述分类(103)。

3.根据权利要求1或2所述的方法，

其中为了分类(103)应用多个过滤器，其中所述过滤器借助于所述神经网络(30)、尤其所述卷积神经网络(30)的训练过程来学习。

4.根据上述权利要求中任一项所述的方法，

其中基于所述发射器结构(E)的融合图像(I)逐像素地进行分类(103)并且考虑所述融合图像(I)的像素周边区域来分类(103)相应像素，其中借助于距待分类的像素的可预设的间距或借助于围绕所述待分类的像素的可预设的范围来确定待考虑的像素周边区域。

5.根据权利要求1至3中任一项所述的方法，

其中基于从所述融合图像(I)中选择的像素区域进行所述分类(103)，其中借助于人工神经网络、尤其编码器-解码器-网络确定所述像素区域，并且基于确定的像素区域进行逐像素的或逐像素区域的分类(103)。

6.根据上述权利要求中任一项所述的方法，

其中在确定所述分类(103)和产生(105)用于输出确定的类别的信号之间将用于降低尤其局部的信号噪声的方法应用(104)于至少一个确定的分类结果并且基于噪声降低的分类结果产生(105)用于输出的信号。

7.根据上述权利要求中任一项所述的方法，

其中产生(105)输出信号，基于所述输出信号，能够在所述发射器结构(E)的结果图像上以位置分辨的方式显示至少一个确定的类别，能够以位置分辨的方式显示优选地所有确定的类别。

8.根据上述权利要求中任一项所述的方法，

其中进行分类(103)，使得至少一个第二类别(K2，KN)分别与特定缺陷相关联，其中相应的特定缺陷选自如下缺陷：切边缺陷、材料缺陷、平坦度缺陷、表面缺陷。

9.一种用于执行用于自动分类(103)用于产生X射线的发射器结构(E)的方法(100)的设备(10)，

-具有接口(11)，其用于接收所述发射器结构的亮场图像、所述发射器结构的暗场图像或由所述发射器结构(E)的亮场图像和暗场图像产生的融合图像(I)，

-具有计算单元(12)，机器可读的程序代码(13)能够加载到所述计算单元(12)中，所述机器可读的程序代码(13)在其执行时促使执行根据上述权利要求中任一项所述的方法(100)，并且

-具有用于输出信号的信号输出接口(15)，所述信号基于借助于分类(103)确定的对于所述发射器结构(E)的类别。

10.一种用于计算单元(12)的机器可读的程序代码(13)，所述机器可读的程序代码(13)包括控制指令，所述控制指令在借助于所述计算单元(12)执行所述控制指令时促使执行根据权利要求1至8中任一项所述的方法(100)。