分析在微结构类型的分类和识别中使用选定的工具和算法的可能性
Michał Szatkowski1, Dorota Wilk-Kołodziejczyk1,2, Krzysztof Jaśkowiec1,2
1Faculty of Metals Engineering and Industrial Computer Science, AGH University of Science and Technology in Krakow, al. Mickiewicza 30, 30-059 Kraków, Poland.
Materials (Basel, Switzerland)
|November 14, 2023
概括
这项研究开发了一种人工智能解决方案,用于自动铁微结构分类,使用诸如定向梯度 (HOG) 基底图和机器学习算法等方法. 该系统准确地对微结构进行分类,有助于材料科学研究.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 精确的铁微观结构的分类对于材料的表征至关重要.
- 现有的微结构分析方法可能耗时,需要专家解释.
- 图像变焦,大小和颜色的变化,以及不同的沉形状,使自动分析复杂化.
研究的目的:
- 开发一种自动化系统,使用人工智能对铁微结构进行分类.
- 为了提高微观结构图像分析的效率和准确性.
- 为了促进用于训练机器学习模型的数据准备过程.
主要方法:
- 利用人工智能,包括导向梯度 (HOG) 的直方图和特征提取的值.
- 实现了机器学习分类器,如支持矢量机 (SVM) 和随机森林.
- 与深度学习模型的性能比较:更快的R-CNN和Mask R-CNN.
- 开发了一个解决方案来简化训练数据的标签.
主要成果:
- 开发的AI解决方案在分类铁微结构方面表现出有效性.
- 与SVM/随机森林相结合的HOG的性能指标与Faster R-CNN和Mask R-CNN进行了评估.
- 自动分类结果与专家评估进行了比较.
结论:
- 该研究成功开发并测试了一种人工智能驱动的方法,用于自动化微结构分类.
- 提出的方法为铁图像的高效准确分析提供了可行的解决方案.
- 这些发现表明,通过自动化复杂的图像分析任务,人工智能可以显著帮助材料科学研究.
