Redes neuronales convolucionales basadas en parches para la detección de múltiples características microestructurales...

Área de la Ciencia:

• Ciencia de materiales
• Ingeniería nuclear
• Ciencias de la computación

Sus antecedentes:

• La tomografía de microscopía electrónica de barrido de haz de iones enfocado (FIB-SEM) es crucial para el análisis de la microestructura 3D en materiales nucleares irradiados.
• Las limitaciones actuales incluyen la recolección de datos intensiva en tiempo, los desafíos en la diferenciación de la microestructura y los problemas de alineación de imágenes, lo que dificulta una aplicación más amplia.

Objetivo del estudio:

• Desarrollar un marco automatizado para la identificación de la microestructura en materiales nucleares irradiados utilizando redes neuronales convolucionales (CNN).
• Superar las limitaciones del análisis tradicional de tomografía FIB-SEM, especialmente con datos anotados limitados.

Principales métodos:

• Creación de un conjunto de datos anotado confiable con mapas emparejados de SEM y EDS de referencia.
• Aplicación de CNN, incluido el Modelo de Segmentación de Cualquier Cosa (SAM) para la alineación de imágenes y U-Net basada en parches, U-Net con atención y U-Net residual para la segmentación.
• Validación del rendimiento del modelo para la identificación de la microestructura en combustible metálico U-10Zr.

Principales resultados:

• U-Net basada en parches demostró un rendimiento de segmentación y una consistencia superiores en comparación con otros modelos de CNN evaluados.
• El marco propuesto integra con éxito SAM y CNN basadas en parches para la segmentación semántica de materiales nucleares irradiados.
• El enfoque reduce la dependencia de los detectores de espectroscopía de energía dispersiva (EDS), acelerando el análisis.

Conclusiones:

• El marco desarrollado automatiza la identificación de la microestructura en datos de tomografía FIB-SEM, acelerando significativamente el análisis de materiales nucleares.
• Este estudio presenta el primer marco que integra SAM y CNN basadas en parches para la segmentación semántica de materiales nucleares irradiados.
• La metodología tiene potencial para una aplicación más amplia a otros conjuntos de datos de tomografía en la ciencia de materiales.