Key points are not available for this paper at this time.
인공지능은 이미지 인식 및 분할에 널리 적용되어 significant한 결과를 달성해왔습니다. 그러나 재료 과학 분야에서의 응용은 상대적으로 제한적입니다. 금속학은 금속과 합금의 거시적 및 미시적 구조를 특성화하는 데 중요한 기술입니다. 이는 재료 속성과의 상관관계에서 중요한 역할을 합니다. 따라서 본 연구는 금속 그래픽 이미지 인식을 위한 딥러닝 기술의 활용을 조사합니다. 본 연구는 ASM 데이터베이스에서 연성, 회색, 백색 주철을 포함한 세 가지 전형적인 미세 이미지를 선택하고, 또 다른 합금인 주 알루미늄 합금을 선택하여 인식 조사를 진행했습니다. 이러한 이미지들은 학습을 위해 잘라내고 향상되었습니다. 재료 유형의 대분류 외에도 재료 유형, 조성 및 현미경, 배율, 에칭제와 같은 이미지 취득 조건에 대한 세분류가 수행되었습니다. MobileNetV2 네트워크가 학습 및 예측 모델로 채택되었으며, 정확도를 향상시키기 위해 ImageNet이 사전 학습 데이터셋으로 사용되었습니다. 금속 이미지들은 훈련된 신경망에 의해 15개 범주로 분류될 수 있었습니다. 세분류에 대한 검증 및 예측 정확도는 각각 94.44% 및 93.87%에 도달했습니다. 이는 신경망이 조성과 함께 금속 그래픽 이미지를 위한 현미경, 배율, 에칭제의 세부사항을 식별할 수 있는 잠재력을 가지고 있음을 나타냅니다.
Zhao et al. (목요일,)은 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: