An artificial intelligence based framework for morphological analysis of nickel oxide thin films using atomic force microscopy
Atomik kuvvet mikroskopisi kullanılarak nikel oksit ince filmlerin morfolojik analizi için yapay zeka tabanlı bir çerçeve
- Tez No: 1025776
- Danışmanlar: PROF. DR. NİMET YILMAZ CANLI, DR. ÖĞR. ÜYESİ ERSİN ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Fizik ve Fizik Mühendisliği, Science and Technology, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka, perovskit güneş pili araştırmalarında malzeme geliştirme, kusur incelemesi ve veri analizini hızlandırmak için giderek daha fazla kullanılmaktadır. Bununla birlikte, ince filmlerin morfoloji analizi hala büyük ölçüde mikroskopi verilerinin uzman yorumuna dayanmaktadır; bu da zaman alıcı ve özneldir. Özellikle, atomik kuvvet mikroskopisi (AFM) nicel ölçümler sağlar ve bu skalar değerler, kümelenme, çukurlar ve tane morfolojisi de dahil olmak üzere film yüzeyinin önemli görsel özelliklerini her zaman yakalayamaz. Bu nedenle, bu çalışma, perovskit güneş pillerinde delik taşıma katmanı olarak kullanılan nikel oksit (NiO) ince filmlerin morfoloji analizi için görüntü tabanlı bir yapay zeka yaklaşımını araştırmaktadır. Veri seti, morfolojik varyasyon oluşturmak için 1500, 3000 ve 4000 rpm'lik farklı dönüş hızlarında hazırlanan spin kaplamalı NiO ince filmlerin AFM taramalarından deneysel olarak üretilmiştir. Veri temizliğinden sonra, 148 AFM görüntüsü korunmuş ve üç morfoloji sınıfına ayrılmıştır: kümelenme, çukur ve tane morfolojisi. Hibrit iki aşamalı bir derin öğrenme çerçevesi geliştirildi. Birinci aşamada, AFM görüntülerindeki kusurla ilgili bölgeleri lokalize etmek ve kırpılmış ilgi alanları oluşturmak için YOLOv11 kullanıldı. İkinci aşamada, bu kırpılmış ilgi alanları ResNet-34 ve ResNet-50 ile transfer öğrenme kullanılarak sınıflandırıldı. Sonuçlar, en iyi performansın %93,67 doğruluk ve %93,67 F1 puanı elde eden YOLOv11-s + ResNet-34 modeli tarafından sağlandığını ve en iyi ResNet-50 tabanlı konfigürasyonu geride bıraktığını gösterdi. Bu bulgular, yapay zekanın NiO ince film morfoloji analizi için AFM görüntülerinin daha objektif ve verimli bir şekilde yorumlanmasını destekleyebileceğini ve araştırmacılara anlamlı yüzey desenlerini belirlemede yardımcı olabileceğini göstermektedir.
Özet (Çeviri)
Artificial intelligence has increasingly been applied in perovskite solar cell research to accelerate materials development, defect inspection and data analysis. However, the morphology analysis of thin films still relies heavily on expert interpretation of microscopy data which is time consuming and subjective. In particular, atomic force microscopy (AFM) provides quantitative metrics and these scalar values do not always capture important visual features of the film surface, including agglomeration, pits and grain morphology. This study therefore investigates AFM images based artificial intelligence approach for the morphology analysis of nickel oxide (NiO) thin films used as the hole transport layer in perovskite solar cells. The dataset was produced experimentally from AFM scans of spin coated NiO thin films prepared at different spin speeds of 1500, 3000 and 4000 rpm to generate morphological variation. After data cleaning, 148 AFM images were retained and annotated into three morphology classes: agglomeration, pit and grain morphology. A hybrid two stage deep learning framework was developed. In the first stage, YOLOv11 was used to localize defect related regions in AFM images and generate cropped regions of interest. In the second stage, these images were classified using transfer learning with ResNet-34 and ResNet-50. The results showed that the best performance was achieved by the YOLOv11-s + ResNet-34 model which obtained an accuracy of 93.67% and an F1-score of 93.64%, outperforming the best ResNet-50-based configuration. These findings indicate that artificial intelligence can support a more objective and efficient interpretation of AFM images for NiO thin-film morphology analysis and can assist researchers in identifying meaningful surface patterns.
Benzer Tezler
- Sürdürülebilir peyzaj planlama ve tasarımı için kentsel alanlarda iklim parametrelerinin ve iklim bölgesi temelli morfolojik yaklaşımın iklim senaryoları ile değerlendirilmesi
Assessment of climate indicators and morphological features in urban areas within the framework of climate scenarios: A sustainable landscape planning approach
AMRAGIA H MOSTAFA ELAHSADI
Doktora
Türkçe
2025
Peyzaj MimarlığıKastamonu ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. MEHMET ÇETİN
- Derin öğrenme tabanlı yaklaşımlarla mikroskop görüntülerinden plastik türlerinin sınıflandırılması
Classification of plastic types from microscope images using deep learning-based approaches
ADEM DELİASLAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ULAŞ YURTSEVER
- Kalsinörin proteinini hedefleyerek kandidiyaz hastalığının tedavisine yönelik peptit tabanlı moleküllerin bilgisayar ortamında tasarımı
In silico design of peptide-based molecules targeting calcineurin protein for the treatment of candidiasis
YAĞMUR DİCLE ALTUN
Yüksek Lisans
Türkçe
2026
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR ALPTÜRK
DR. ÖĞR. ÜYESİ SEFER BADAY
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- Mekanın kendi varoluşunu inşa edebilmesi için eş varoluşsal hak arayışı; hetero-fenomenolojik oluş
The search for seeking equal existential right to the ability of building self-existence of the space; hetero-phenomenological becoming
AYÇİN ATUKEREN
Yüksek Lisans
Türkçe
2023
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA ERKÖK