Cementron：从光学图像中利用机器学习识别水泥熟料组成相
计算机视觉与模式识别
2022-11-08 v1 材料科学
图像与视频处理
摘要
水泥是使用最广泛的建筑材料。水泥水化产物的性能取决于水泥熟料中存在的组成相（即阿利特、贝利特、铝酸盐和铁酸盐）的定性与定量特征。传统上，熟料相的分析依赖于领域专家通过光学图像和简单图像处理技术进行。然而，图像的非均匀性、各相几何与尺寸的变异，以及实验方法与成像方式的不同，使得相的获取具有挑战性。在此，我们提出一种机器学习（ML）方法以自动检测熟料微观结构相。为此，我们通过分割阿利特和贝利特颗粒创建了首个标注的水泥熟料数据集。进一步，我们使用监督式 ML 方法训练模型以识别阿利特和贝利特区域。具体而言，我们在水泥微观结构上微调图像检测与分割模型 Detectron-2，开发出用于检测水泥相的模型，即 Cementron。我们证明，仅基于文献数据训练的 Cementron 在我们实验获得的新图像上表现极为良好，展示了其泛化能力。我们将 Cementron 公开供使用。
引用
@article{arxiv.2211.03223,
title = {Cementron: Machine Learning the Constituent Phases in Cement Clinker from Optical Images},
author = {Mohd Zaki and Siddhant Sharma and Sunil Kumar Gurjar and Raju Goyal and Jayadeva and N. M. Anoop Krishnan},
journal= {arXiv preprint arXiv:2211.03223},
year = {2022}
}