材料微观结构分析的计算机视觉方法：现状与未来展望
材料科学
2022-08-09 v1 计算机视觉与模式识别
应用物理
数据分析、统计与概率
摘要
寻找代表给定材料微观结构特征的定量描述符是“按设计造材”范式下持续的研究领域。历史上，微观结构分析主要依赖定性描述。然而，为构建稳健而准确的工艺-结构-性能关系（设计新型先进高性能材料所需），从微观结构分析中提取定量且有意义的统计数据是关键一步。近年来，计算机视觉（CV）方法，尤其是以卷积神经网络（CNN）算法为核心的方法，已在此用途上展现出可喜结果。本综述聚焦于已应用于多尺度微观结构图像分析任务（包括分类、目标检测、分割、特征提取与重建）的最先进基于 CNN 的技术。此外，我们指出了这些方法在材料科学研究应用中的主要挑战。最后，我们讨论了该领域一些可能的未来研究方向，特别强调了基于 transformer 的模型及其在改善材料微观结构分析方面的能力。
引用
@article{arxiv.2208.04149,
title = {Computer Vision Methods for the Microstructural Analysis of Materials: The State-of-the-art and Future Perspectives},
author = {Khaled Alrfou and Amir Kordijazi and Tian Zhao},
journal= {arXiv preprint arXiv:2208.04149},
year = {2022}
}
备注
42 pages, 14 figures, 3 tables