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
智能机器人困惑的时候知道该问什么问题
智能机器人困惑的时候知道该问什么问题

[2017-03-20]   照片:Nick Dentamaro 布朗大学 上周,我们提到了麻省理工学院的一些研究,即通过链接人的大脑来帮助机器人在他们将要犯错误的时 ...

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

[2018-01-26]  纽约时报的报道,德国的研究人员已经开发出一种长约七分之一英寸的机器人,首先看起来不过是一小块橡皮条。然后它开始移动。机器人走路,跳跃,爬行,滚动和游泳。它甚至爬出......

英国首台月球车是个小型四腿机器人 将于2021年登月
英国首台月球车是个小型四腿机器人 将于2021年登月

[2019-10-12]  探测器将用四条腿探测月球表面,并将数据传回着陆器,后者将把数据传回地球图 詹姆斯温斯皮尔英国即将成为继美国、俄罗斯、中国之后的又一 ...

南加州大学机器人学家:机器人更适合粗暴的爱
南加州大学机器人学家:机器人更适合粗暴的爱

[2019-11-07]  图片来自JOHN MADERE GETTY IMAGES打是疼骂是爱,当人类粗暴的将物体从机器人手中敲掉,看似残忍,实际上却能帮助机器人找到最好的握持物 ...

麻省理工正研究植物机器人 让植物自主控制机器人
麻省理工正研究植物机器人 让植物自主控制机器人

[2018-12-08]  控制论通常指人类用机器人部件增强自己。我们听说过动物机器人或昆虫机器人,但我们很少听说植物机器人对吧?一个机器人其实是对植物有很大益处的,因为一般植物根本无法移动......

2022年全球工业机器人市场将达到790亿美元
2022年全球工业机器人市场将达到790亿美元

[2017-09-04]  预计到 2022年, 全球工业机器人市场将达到790亿美元, 并在预测期内登记11 5% 的复合年增长率。随着发展中国家中小型企业需求的不断增长, 采用自动化技术以确保生产质量......

MIT最新“人机”互连系统 让双腿机器人复制人体技能
MIT最新“人机”互连系统 让双腿机器人复制人体技能

[2019-11-01]  MIT的小爱马仕想借用你的大脑 ,图片来自: João Ramos爱吧机器人网消息,麻省理工学院(MIT)的研究人员展示了一种新型遥操作系 ...

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......