Microscopía óptica impulsada por aprendizaje profundo para la investigación del acero

El éxito de los modelos de aprendizaje automático (ML) en el reconocimiento de objetos o patrones conduce naturalmente a que se emplee el ML en la clasificación de la microestructura de las superficies de acero. La microscopía óptica de luz (LOM) es el proceso de imagen tradicional en este campo. Sin embargo, el uso creciente de ML para extraer o relacionar más aspectos de los materiales mencionados y las limitaciones de LOM nos motivaron a proporcionar una mejora al proceso de adquisición de imágenes establecido. En esencia, realizamos transferencia de estilo de LOM a microscopía electrónica de barrido (SEM) combinada con un escalado "inteligente". Esto se logra mediante el uso de un modelo de ML entrenado en un conjunto de datos multimodal para generar una imagen similar a SEM a partir de la correspondiente imagen LOM. Esta transformación, en nuestra opinión, corroborada por un análisis detallado de la fuente, el objetivo y la predicción, empuja con éxito los límites de LOM en el caso de las superficies de acero. La consecuencia esperada es la mejora de la caracterización precisa de la estructura de aceros multiphásicos avanzados basada en estas imágenes LOM transformadas.