▪ 基于机器学习的颗粒分类可减少人工复检需求

▪ 技术清洁度分析（TCA）模块可提高显微镜的利用率

▪ TCA可优化技术清洁度流程

蔡司研究显微镜解决方案产品经理Jati Kastanja博士强调：“我们的解决方案为用户带来的巨大实用附加价值获得了评委们的认可，对此我们倍感欣喜。”Jati Kastanja博士及其团队齐心协力，共同推动了软件模块TCA的开发并大获成功。Jati Kastanja博士表示，采用机器学习方法的TCA模块“从以往的技术水平中脱颖而出”，为用户带来巨大获益。该解决方案在工业条件下可轻松实施，有助于减轻操作人员的负担，增加结果的可比性，并提高显微镜的利用率。

自动化分类使得大幅提高生产效率和资源效率成为可能。在传统流程中，根据灰度测定结果按颗粒类型对颗粒进行自动分割和分类。但这种方法往往需要操作人员进行人工复检并重新分类。将该方法与经过预训练的、基于机器学习的对象分类模型相结合，整个流程更加高效。在这一流程中，利用经过预训练的模型对经典方法获得的颗粒度测量结果进行组合和分析，从而形成大量不相关决策树。多数决策结果具有可重现性。如果检测到先前错误归类为非金属颗粒，基于机器学习的对象分类会覆盖经典灰度测定的结果，从而对金属颗粒进行更具选择性的分类。附带机器学习扩展功能的蔡司TCA模块使用已正确分类的颗粒进行预训练，用户只需花费少量时间对其进行进一步的个性化训练。