辐照后X-750中氦侵入的自动分类
应用物理
2020-06-01 v2 机器学习
摘要
利用透射电子显微镜对纳米尺度特征成像是预测和评估核反应堆结构材料力学行为的关键。分析这些显微图像通常是一个繁琐且劳动密集的手动过程，是自动化的主要候选对象。本文中，一种基于区域的卷积神经网络被改进用于检测中子辐照Inconel X-750反应堆间隔弹簧显微图像中的氦气泡。我们证明该神经网络产生的分析在准确性和可重复性上与人工分析相当。进一步，我们展示该方法比手动分析快四个数量级，从而能够生成大量数据。所提方法可用于具有不同菲涅耳衬度和放大倍率的显微图像。
引用
@article{arxiv.1912.04252,
title = {Automated Classification of Helium Ingress in Irradiated X-750},
author = {Chris Anderson and Jacob Klein and Heygaan Rajakumar and Colin Judge and Laurent K Beland},
journal= {arXiv preprint arXiv:1912.04252},
year = {2020}
}