使用神经网络的自动图像分析应用于识别石英表面微纹
Pavel Sikora1, Martin Kiac1, Pedro J M Costa2
1Brno University of Technology, Faculty of Electrical Engineering and Communications, Dept. of Telecommunications, Technicka 12, Brno 616 00, Czech Republic.
Micron (Oxford, England : 1993)
|April 25, 2024
概括
这项研究介绍了DeepGrain,这是一款用于自动识别石英粒微纹的新软件. 它显著减少了分析时间,并提高了沉积物来源研究的准确性.
科学领域:
- 地质地质地质地质地质地
- 沉积物学的沉积物学
- 地质形态学 地质形态学
背景情况:
- 石英颗粒表面微纹理为沉积过程和环境条件提供了洞察力.
- 微纹理分析对于沉积物来源研究至关重要.
- 手动微纹理识别中的主观性可能会限制准确性.
研究的目的:
- 开发一种自动化的软件解决方案,用于识别石英粒微纹.
- 尽量减少主观性,提高微纹理分析的效率.
- 介绍DeepGrain,一种用于沉积物来源研究的新型软件工具.
主要方法:
- 使用DeepLabV3模型进行图像分析.
- 应用了先进的技术来提高DeepLabV3模型的性能.
- 开发了DeepGrain软件,用于自动识别微纹理.
主要成果:
- 在识别测试的石英颗粒面积方面取得了99%的准确性.
- 在识别谷物表面的机械特征时达到63%的准确性.
- 将每张SEM图像的平均分析时间缩短到3.10秒.
结论:
- DeepGrain提供了一种高精度和高效的自动化方法,用于石英微纹理分析.
- 该软件显著简化了沉积物来源研究的过程.
- DeepGrain为沉积物学和地质学研究人员提供了宝贵的工具.
