评估合成图像作为表面粗糙度分类实验数据的有效替代品
计算机视觉与模式识别
2026-03-30 v1 材料科学
摘要
硬质合金在工业领域发挥着关键作用，陶瓷材料因其卓越的硬度和热稳定性而成为需要卓越机械性能的应用的理想选择。然而，部署人工智能进行表面粗糙度分类常受制于大规模标记数据集和高分辨率成像设备成本的限制。本研究探索了使用由 Stable Diffusion XL 生成的合成图像作为实验获取数据或其补充品，用于分类陶瓷表面粗糙度。我们展示了通过将生成图像增强真实数据集可获得与仅使用实验图像相当的测试准确率，证明合成图像有效地再现了分类所必需的结构特征。我们进一步通过系统性变更关键训练超参数（ epoch 数、batch 大小和学习率），评估了方法的鲁棒性，并识别出在保持性能的同时降低数据需求的配置。我们的结果表明，生成式人工智能可以显著提高材料图像分类工作流程的数据效率和可靠性，为降低实验成本、加速模型开发、拓展材料工程领域的人工智能应用提供了实际可行的途径。
引用
@article{arxiv.2603.25765,
title = {Evaluating Synthetic Images as Effective Substitutes for Experimental Data in Surface Roughness Classification},
author = {Binwei Chen and Huachao Leng and Chi Yeung Mang and Tsz Wai Cheung and Yanhua Chen and Wai Keung Anthony Loh and Chi Ho Wong and Chak Yin Tang},
journal= {arXiv preprint arXiv:2603.25765},
year = {2026}
}