MAM-UNet:一个多重注意力机制UNet用于超级合金的优化细分
Meng'ao Li1, Zhihao Yue1, Haotian Gao1
1College of Mechanical and Electronic Engineering, Qingdao University, Qingdao, Shandong, PR China.
Journal of microscopy
|December 19, 2025
概括
这项研究引入了一种新的多重注意力机制UNet (MAM-UNet) 用于使用光学显微镜在超合金中准确细分eutectic区域. 该方法显著改善了这些关键的微观结构特征的检测.
科学领域:
- 材料科学 材料科学 材料科学
- 金工业是金工业的一个方面.
- 计算机视觉 计算机视觉
背景情况:
- 超级合金的机械性质对于超级合金的机械性质至关重要.
- 精确地检测优质植物区域对于材料优化和结构分析至关重要.
- 光学显微镜为微观结构可视化提供高分辨率成像.
研究的目的:
- 开发一种自动化方法,用于超级合金中优学区域的细分.
- 用注意力机制来增强光学显微镜图像的特征提取.
- 评估拟议的细分模型的性能.
主要方法:
- 使用光学显微镜建立了超合金微结构的数据集.
- 提出了一个多重注意力机制UNet (MAM-UNet) 结合高效通道注意力 (ECA) 和卷积块注意力模块 (CBAM).
- 应用了MAM-UNet用于优化细分任务.
主要成果:
- 实现了99.1%的像素精度 (PA) 用于优化细分.
- 获得了87.56% 欧盟 (MIoU) 上的平均交叉点.
- 与其他网络相比,展示了优越的细分能力.
结论:
- MAM-UNet方法显示出优异的细分能力,用于基超级合金中的eutectic区域.
- 提出的注意力机制有效地增强了特征提取,以提高准确性.
- 这种自动化方法可方便精确的微结构分析和材料性能优化.
