爱吧机器人网 » 技术 > 机器学习 > 正文

机器学习:加快电镜缺陷分析

\
 
自动工具能够从仅仅几张电子显微镜图像中识别出缺陷。电子显微镜广泛用于研究各种材料的晶界和杂质等缺陷。然而,这需要大量的图像才能提取出准确的统计信息,同时还需手动完成,既耗时又会因人而异导致结果不一致。现在,美国威斯康星大学和橡树岭国家实验室的研究团队将机器学习、计算机视觉和图像分析技术相结合,获取有关缺陷尺寸和缺陷类型的信息。在分析质量方面,该程序的工作效果已经与人工的相当。若进一步改进,此法将可对大数据集作实时分析。该文近期发表于npj Computational Materials 4:36 (2018)。
 
Editorial Summary原文
 
Electron microcopy: Speeding things up
 
An automatic tool is able to identify defects from several electron microscopy images. Electron microscopy is widely used to study defects like grain boundaries and impurities in a wide range of materials. However, a large number of images are needed to extract statistically significant information, while identification is still done manually which is not only time-consuming but also inconsistent, depending on the identifier. Now, a team from University of Wisconsin and Oak Ridge National Laboratory in the USA combine machine learning, computer vision, and image analysis techniques to obtain information about the defects size and type. The program’s performance is comparable to manual analysis in terms of quality. Further improvement can lead to real-time analysis from large data sets.
 
\
 
原文Abstract及其翻译
 
Automated defect analysis in electron microscopic images (基于电子显微图像的缺陷自动分析)
 
Wei Li, Kevin G. Field & Dane Morgan
 
Abstract Electron microscopy and defect analysis are a cornerstone of materials science, as they offer detailed insights on the microstructure and performance of a wide range of materials and material systems. Building a robust and flexible platform for automated defect recognition and classification in electron microscopy will result in the completion of analysis orders of magnitude faster after images are recorded, or even online during image acquisition. Automated analysis has the potential to be significantly more efficient, accurate, and repeatable than human analysis, and it can scale with the increasingly important methods of automated data generation. Herein, an automated recognition tool is developed based on a computer vison–based approach; it sequentially applies a cascade object detector, convolutional neural network, and local image analysis methods. We demonstrate that the automated tool performs as well as or better than manual human detection in terms of recall and precision and achieves quantitative image/defect analysis metrics close to the human average. The proposed approach works for images of varying contrast, brightness, and magnification. These promising results suggest that this and similar approaches are worth exploring for detecting multiple defect types and have the potential to locate, classify, and measure quantitative features for a range of defect types, materials, and electron microscopic techniques.
 
摘要 电子显微镜和缺陷分析作为材料科学的基石,可为各类材料体系提供微观结构和性能的详细信息。为电子显微镜创建一个强大而灵活的缺陷自动识别和分类平台,将可在图像记录后甚至在图像采集过程中更快地完成分析任务。与人工分析相比,自动分析有望显著提高分析的效率、准确性和可重复性,并可通过日渐显要的自动数据生成方法进行扩展。本研究基于计算机视觉方法,开发了一种自动识别工具;依次应用了级联对象检测器、卷积神经网络和局部图像分析方法。该自动化工具已被证明在回溯和精确度方面与人工手动检测水平相当或更好,在图像/缺陷分析定量指标方面,接近人类平均水平。此方法适用于不同对比度、不同亮度和不同放大倍数的图像。该研究结果表明,此法或类似方法值得深入探索,以便能检测多种类型的缺陷,使其具有定位、分类、定量测量一系列类型的缺陷、材料和电子显微技术的特征。

\


上一篇:如何在机器学习项目中使用统计方法的示例
下一篇:Ian Goodfellow:你的GAN水平我来打分
精选推荐
农业将为高科技行业 农业机器人的应用领域
农业将为高科技行业 农业机器人的应用领域

[2017-12-17]  农业正在迅速成为一个令人兴奋的高科技产业,吸引了新专业人士,新公司和新投资者。技术发展迅速,不仅提高了农民的生产能力,而且促进了我们所知道的机器人和自动化技术的发展。...

麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群
麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群

[2019-10-31]  几天前,小编向大家介绍过麻省理工(MIT)研发的一种自组装机器人集群(点此阅览),它们可以用统一标准的小单元自动组装出各种大型结构。 ...

英伟达用联合学习创建医学影像AI 可共享数据和保护隐私
英伟达用联合学习创建医学影像AI 可共享数据和保护隐私

[2019-10-14]  英伟达(Nvidia)和伦敦国王学院(King’s College London)的人工智能研究人员利用联合学习训练了一种用于脑肿瘤分类的神经网络, ...

九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味
九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味

[2019-11-09]  本周,在麻省理工学院10号楼外草坪上展开了一场别开生面的足球比赛。在绿草如茵的基利安球场上,一群由人工智能驱动的机器人就是这场比赛的 ...

揭秘达芬奇手术机器人
揭秘达芬奇手术机器人

[2018-04-19]  达芬奇手术系统是由美国Intuitive Surgical公司制造的机器人手术系统。美国食品和药物管理局(FDA)于2000年通过该标准,旨在利用微创手段 ...

深度神经网络揭示了大脑喜欢看什么
深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...

2017年:AI渗入云端
2017年:AI渗入云端

[2017-12-29]  云中的人工智能不仅仅是科技巨头的权力游戏,它也可能是人工智能领域的下一个飞跃。加利福尼亚州的Rigetti Computing公司刚刚使用其原型量子芯片之一在其云平台上运行机器学......

谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统
谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统

[2019-10-11]  训练AI系统的机器人D& 39;Claw和D& 39;Kitty用于控制机器人的人工智能系统,测量其性能所使用的基准通常仅限于为工业环境设计的昂贵硬件, ...

本周栏目热点

盘点全球十大最具影响力的机器人摇篮

[1970-01-01]    人工智能(AI)研究现正迅速发展,如无人驾驶汽车、计算机在《危险边缘》智力竞赛节目中获胜、数字私人助手Siri、GoogleNow和语音助手C ...

深度学习反向传播算法(BP)原理推导及代码实现

[2017-12-19]  分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,......

如何在机器学习项目中使用统计方法的示例

[2018-07-23]  事实上,机器学习预测建模项目必须通过统计学方法才能有效的进行。在本文中,我们将通过实例介绍一些在预测建模问题中起关键作用的统计学方法。...

[2017-08-28]  模拟退火(Simulated Annealing,简称SA)是一种通用概率算法,用来在一个大的搜寻空间内找寻命题的最优解。1、固体退火原理:将固体加温 ...

Machine Learning-感知器分类算法详解

[2018-05-31]  今天我们来讲解的内容是感知器分类算法,本文的结构如下:什么是感知器分类算法,在Python中实现感知器学习算法,在iris(鸢尾花)数据集上训练一个感知器模型,自适应线性神......