May, 2023

使用深度学习和多模态显微镜在 347H 不锈钢中自动分割晶界并进行显微结构分析

PDF
TL;DR本文利用卷积神经网络技术进行微观组织中晶界的检测，结合不同仪器下的多模式显微镜技术生成像素级标签，提高了检测精度，并且通过引入拓扑信息，得到了更好的分割性能和晶粒形貌分布预测。
austenitic stainless steelmicrostructurecnngrain boundary detectionmulti-modal microscopy
发现论文，激发创造
  • 利用机器学习技术在真实和生成数据集上对谷物和晶界进行分割

    本文使用卷积神经网络（CNN）对真实数据和合成数据组合进行了训练，提高了晶界分割的准确性，为粉末冶金过程中的晶界分析提供了新的方法。

    Jul, 2023

  • 深度学习方法在高级钢材微观组织分类中的应用

    通过基于深度学习和像素分割方法的微结构分类模型，成功实现了对于低碳钢微观组织多个组分类型的快速、精确分类，准确率达到了 93.94%，比现有技术提升明显，为钢质检测等领域提供了更加客观、准确的检测方法。

    Jun, 2017

  • 利用深度学习进行钢铁微结构质量控制

    本文针对金属学家对钢材织构的视觉分类存在主观性强的问题，提出了一种基于深度学习的钢材组织类型及其指针长度自动分类方法，达到了 96% 的准确率，从而提高了对钢材组织的客观性和可靠性。

    Jun, 2023

  • 下贝氏体和回火马氏体钢的扫描电子显微镜图像的语义分割

    通过深度学习技术对扫描电子显微镜图像进行分割，实现了对较强度的低贝氏体和回火马氏体钢中碳化物析出的定量分析。

    Dec, 2023

  • 基于人类感知的谷物分割细化使用条件随机场

    本文介绍了一种基于条件随机场和感知组织规则的快速、高保真度的后处理技术，针对多晶材料显微结构中的颗粒边界等互联线网络的准确分割提出了一种解决方案，改善了分割蒙版的准确性，并引入了一种新的颗粒对齐度量标准，提供了更详细的复杂微结构分割性能评估，从而使得数据分析的统计表征更准确，适用于需要精确分割互联线网络的多个学科领域。

    Dec, 2023

  • 基于半监督学习和结构相似性的宏观断裂面分割

    通过对断裂表面进行深度学习模型的半监督训练，实现了对材料的断裂表面分割，研究了结构相似性的影响，并且在断裂力学评估中取得了显著的成功。

    Mar, 2024

  • 材料微结构三维重建与性能评估的生成式机器学习模型

    该研究提出了一种集成多尺度特性和生成对抗网络的创新生成模型，用于重建三维微结构，提高模型的准确性，并通过结合图像正则化损失和 Wasserstein 距离损失进一步改进模型，实现了生成的三维结构与真实样本的高相似性和统计数据一致性。

    Feb, 2024

  • 基于深度学习的混凝土岩石学分析自动化图像分割

    本文研究了使用卷积神经网络 (CNN) 在没有使用颜色处理的情况下进行混凝土分割的可行性，并证明其优于基于颜色的分割方法并具有与人工专家相当的准确度，从而缩短了分割时间。

    May, 2020

  • TEM 图像中晶体缺陷的深度学习：解决 “训练数据永远不够” 的问题

    本研究提出了用于分割位错的合成训练数据的参数模型，并开发了一种优化分割重叠或相交位错线的深度学习方法，该方法在多种微结构和成像条件下都表现出高效性和优越性。

    Jul, 2023

  • 使用波函数坍缩算法生成晶粒取向的过程

    用参考的电子背散射衍射图 (Electron Backscatter Diffraction, EBSD) 地图测试了 Wave Function Collapse (WFC) 算法和 Markov Junior 算法两种方法在生成金属晶粒结构中的效果，并发现 Markov Junior 是一种有效的机器学习工具。

    Nov, 2023