材料的組織結(jié)構(gòu)主要受成分和制備加工工藝的影響,是決定材料性能的關(guān)鍵因素,在材料研發(fā)的全周期內(nèi)具有重要作用。材料組織結(jié)構(gòu)以非結(jié)構(gòu)化圖像數(shù)據(jù)的形式呈現(xiàn),利用人工經(jīng)驗性的手段進行分析和信息抽取,遺漏了大量的材料學(xué)信息和隱含知識。深度學(xué)習(xí)技術(shù)的發(fā)展和應(yīng)用,為材料顯微圖像中信息的精準(zhǔn)、快速、自動獲取提供了重要的研究手段。本文從圖像處理、圖像分析和圖像理解3個方面概述了材料顯微圖像處理與信息挖掘的主要研究內(nèi)容和關(guān)鍵技術(shù),詳細(xì)介紹了深度學(xué)習(xí)在圖像分析中的圖像識別、圖像分割和圖像生成3個任務(wù)中的研究進展,討論了深度學(xué)習(xí)在材料顯微圖像分析和信息挖掘中的發(fā)展方向和挑戰(zhàn)。 

【文章來源】：材料科學(xué)與工藝. 2020,28(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

材料顯微圖像處理與信息挖掘的主要研究內(nèi)容和關(guān)鍵技術(shù)

材料顯微圖像分析包括圖像識別、分割和生成等任務(wù)。本章首先對圖像識別、圖像分割和圖像生成3個容易混淆的應(yīng)用展開對比說明,見圖2,然后對上述3個應(yīng)用展開詳細(xì)敘述。圖像識別。該應(yīng)用指向模型輸入單張圖像,模型對圖像整體分析后,輸出單個評估結(jié)果。該結(jié)果若為離散值,則模型執(zhí)行分類任務(wù),如判斷該圖像屬于哪種合金組織。若該結(jié)果為連續(xù)值,則該模型執(zhí)行回歸任務(wù),如預(yù)測該圖像的宏觀性能或成分組成。

Azimi等首先對FCN深入研究并結(jié)合材料組織的特性, 將FCN與最大表決法相結(jié)合, 提出了一種新型的針對材料顯微組織的分割算法MVFCNN[15],與當(dāng)時最先進的材料顯微組織分割技術(shù)相比,將精確度從48.89%提高到93.94%,取得了顯著的進步,其示意圖如圖3所示。Decost等提出一種深度卷積神經(jīng)網(wǎng)絡(luò),可以實現(xiàn)復(fù)雜微觀結(jié)構(gòu)的分割,能夠從含有多種微觀成分的復(fù)雜的微觀圖中獲得水灰石粒度和變質(zhì)區(qū)寬度的分布[43]。Li等結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和圖像局部分析方法開發(fā)了一套適用于不同對比度、亮度和磁化的組織圖像中缺陷的自動檢測工具[44]。Maksov等提出了基于深度學(xué)習(xí)的動態(tài)STEM成像分析模型,可在幾秒內(nèi)從原始的STEM數(shù)據(jù)中提取出數(shù)千個晶格缺陷[45]。在此基礎(chǔ)上,部分科研工作者通過深入分析材料顯微圖像數(shù)據(jù)的特殊性,對深度學(xué)習(xí)的各個組件進行修正,并取得了富有成效的研究成果。Boyuan等采用一種基于對稱重疊平鋪策略的局部處理方法,使深度學(xué)習(xí)方法在推理過程擯棄對高顯存機器的依賴,進而使得卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)Υ蟪叽顼@微圖像進行分析[22]。Boyuan等針對純鐵多晶粒組織圖像分割任務(wù)中的不平衡分割問題,提出了一種基于自適應(yīng)邊緣加權(quán)的損失函數(shù),該損失函數(shù)提高了深度網(wǎng)絡(luò)對于邊界提取的準(zhǔn)確度[46]。

【參考文獻(xiàn)】：
期刊論文
[1]生成式對抗網(wǎng)絡(luò)GAN的研究進展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動化學(xué)報. 2017(03)
[2]體視學(xué)、圖像分析與計算材料學(xué)之間的關(guān)系及進展[J]. 宋曉艷.  中國體視學(xué)與圖像分析. 2008(04)

博士論文
[1]基于深度學(xué)習(xí)的人臉圖像識別技術(shù)的研究[D]. 劉小灃.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2019
[2]基于深度學(xué)習(xí)的自動駕駛單目視覺目標(biāo)識別技術(shù)研究[D]. 陳宇鵬.吉林大學(xué) 2019

碩士論文
[1]基于深度學(xué)習(xí)的中文OCR算法與系統(tǒng)實現(xiàn)[D]. 馮海.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院) 2019
[2]基于深度學(xué)習(xí)的手勢識別技術(shù)研究[D]. 王蘇振.浙江大學(xué) 2019



本文編號：3415411