先验引导的扫描电镜图像分割实现钙钛矿太阳能电池的定量形貌评估与工艺优化

《Advanced Materials》：Prior-Guided SEM Image Segmentation Enables Quantitative Morphology Assessment and Process Optimization in Perovskite Solar Cells

　　

摘要

钙钛矿薄膜的形貌强烈影响电荷传输、非辐射复合及功率转换效率，然而扫描电子显微镜（SEM）在很大程度上仍处于定性分析阶段。本文提出了一种先验引导的SEM分析框架，可将常规显微图像转化为类别分辨掩膜、定量形貌描述符以及一个紧凑的SEM衍生形貌质量指数（MQI）。基于YOLO的晶粒中心先验引导U-MambaBot进行分割，类别概率全变分正则化则改善了局部连贯性。从分割所得ABX?基体及PbI?类似区域中提取六个描述符，并从中选取四个用于构建MQI。在嵌套验证、按出版物分组验证及出版物内部验证等多种方案中，MQI与功率转换效率均保持了显著的单调关联（Spearman ρ = 0.34 和 0.42）。在退火时间和添加剂浓度研究中，MQI重现了薄膜级和器件级的性能趋势，并识别出相同的最佳处理条件。无需重新拟合，该框架还能追踪12项独立研究和37种处理条件下的形貌–性能趋势，得出合并的组内Spearman相关系数（出版物级别bootstrap 95%置信区间为0.79–1.00）。该框架实现了钙钛矿薄膜的定量化、形貌感知型SEM筛选及处理条件排序。

利益冲突声明

作者声明无利益冲突。

数据可用性声明

本研究使用的代码和数据已公开于 https://github.com/Wangyixi-ultra/Prior-Guided-SEM-Image-Segmentation。