基于卷积神经网络的团聚与部分烧结颗粒图像尺寸分析
计算机视觉与模式识别
2019-11-20 v3
摘要
由于团聚、烧结或遮挡的一次颗粒的粒径分布对材料性能有影响，对这类一次颗粒粒径分布全自动分析方法的需求很高。因此，我们提出并测试了一种新颖的、基于深度学习的一次颗粒检测方法，该方法无需手动调整分析参数。作为特色，所采用的卷积神经网络的训练仅使用合成图像，从而避免了繁琐的手动标注工作并提高了真值质量。尽管如此，所提方法在具有不同烧结程度和不同图像条件的烧结二氧化硅纳米颗粒真实样品上表现优异。在直接对比中，该方法明显优于两种最先进的基于图像的自动颗粒尺寸分析方法（Hough变换与ImageJ ParticleSizer插件），从而达到了类人性能。
引用
@article{arxiv.1907.05112,
title = {Image-Based Size Analysis of Agglomerated and Partially Sintered Particles via Convolutional Neural Networks},
author = {Max Frei and Frank Einar Kruis},
journal= {arXiv preprint arXiv:1907.05112},
year = {2019}
}
备注
17 pages, 20 figures, 4 tables; supplementary materials