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
谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算
谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算

[2019-10-23]  谷歌坚称自己已经取得了量子霸权——这标志着计算研究领域的一个重要里程碑。谷歌首次发布声明是在今年9月,虽然遭到竞争对手的质疑,但就 ...

这个外科手术机器人可以为患者“量身定制”
这个外科手术机器人可以为患者“量身定制”

[2019-07-12]  世界首创,来自澳大利亚机器人视觉研究中心的研究人员正在推动手术机器人的发展边界,他们创造了可定制的、小型化的手术机器人,能够唯一地 ...

哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤
哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤

[2019-11-06]  哈佛大学研究人员发表在《自然》杂志上的一项最新研究,他们开发了一种由柔软的人造肌肉驱动的机器人蜜蜂(RoboBee),这种机器人在撞墙、 ...

如何让人工智能机器人快速自我纠正错误并吃一堑长一智?
如何让人工智能机器人快速自我纠正错误并吃一堑长一智?

[2017-08-23]  莱斯特大学数学系的研究人员在《Neural Networks》杂志上发表了一篇文章,概述了新算法的数学基础,可以使人工智能收集错误报告并立即纠正,而不影响现有技能 ,同时还会积......

搭载人工智能的太空机器人CIMON 2乘SpaceX抵达国际空间站
搭载人工智能的太空机器人CIMON 2乘SpaceX抵达国际空间站

[2019-12-09]  12月5日,搭载人工智能的太空机器人西蒙2号(CIMON 2)乘坐SpaceX火箭Dragon货运舱,从佛罗里达州卡纳维拉尔角空军基地升空,前往国际空间 ...

集群机器人领域最新研究:一种用于探测未知环境的微型无人机群
集群机器人领域最新研究:一种用于探测未知环境的微型无人机群

[2019-10-26]  (图:无人机扩散至不同方向来探索环境。当一个无人机注意到另一个无人机在它的首选方向,它将试图飞到另一个方向。若首选方向冲突,低优先 ...

MIT用深度学习处理3D点云数据 应用于无人汽车等领域
MIT用深度学习处理3D点云数据 应用于无人汽车等领域

[2019-10-23]  如果你见过自动驾驶汽车,也许会对车顶上那个一直在旋转的圆柱体感到好奇。这是一个雷达传感器,无人驾驶汽车依靠它在现实世界中进行导航。 ...

从AI中窥探人性
从AI中窥探人性

[2018-01-03]  人们对人造智能的恐惧早已成为科幻书籍和电影的极好题材。但现在,一些同样的担忧开始影响关于现实世界AI技术的政策讨论。如果这样的担忧演变成为一种技术恐慌...

本周栏目热点

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......

机器人是怎么深度学习的?

[2016-03-29]      一个人独处时,感觉有点孤单,怎么办?微软亚洲研究院推出的微软小冰,或许 ...