Применение нейронных сетей для анализа микроструктуры металла

Abstract

Анализ микроструктуры металла посредством семантической сегментации изображений получает всё большее распространение. При этом решаются задачи определения структурных составляющих, выделения границ зерен, оценки усталостной поврежденности и другие. Обучение применяемых для этого сверточных нейронных сетей проводится «с учителем», поэтому необходимы заранее размеченные изображения. Подготовка набора данных является одним из самых трудоемких этапов выполнения сегментации с использованием искусственных нейронных сетей.

Analysis of the microstructure of metal through semantic segmentation of images is becoming increasingly widespread. At the same time, the tasks of determining structural components, identifying grain boundaries, assessing fatigue damage, and others are solved. The convolutional neural networks used for this are trained "with a teacher", therefore, pre-marked images are necessary. Dataset preparation is one of the most time-consuming stages of performing segmentation using artificial neural networks.