缺陷的机器之眼：基于机器学习的方法识别与表征向列相材料织构图像中的拓扑缺陷
软凝聚态物质
2025-01-20 v2
摘要
拓扑缺陷在液晶（LCs）及其他有序体系的结构与动力学中起着关键作用。近来，研究具有不同织构的各类生物体系中缺陷的兴趣日益增长。然而，迄今为止，从各种传统与非传统向列相体系中直接识别缺陷并提取其结构特征仍具挑战性。在此，我们提出一种称为缺陷的机器之眼（MED）的机器学习方案，用于对具有多样向列相织构的图像进行自动化缺陷分析。MED 将最先进的目标检测网络、Segment Anything Model 与视觉 transformer 算法，同量身定制的计算机视觉技术无缝结合。我们表明，MED 能够准确识别不同细胞轮廓、向列相指向矢的稀疏矢量场、肌动蛋白丝、微管以及 Gay--Berne 粒子的模拟图像中 缺陷的位置、绕数与取向。MED 比传统缺陷检测方法更快，并能以超过 90\% 的准确率从矢量场与实验组织图像中识别 缺陷及其取向。我们进一步证明，MED 可识别未包含在训练数据中的缺陷类型，如巨核缺陷与更高绕数的缺陷。值得注意的是，MED 能提供关于 缺陷的正确结构信息，即 缺陷的相位角与 缺陷的取向角。因此，MED 有望通过提供自动化、快速、准确且富有洞见的缺陷分析，变革对各类有序体系的研究。
引用
@article{arxiv.2310.06406,
title = {Machine Eye for Defects: Machine Learning-Based Solution to Identify and Characterize Topological Defects in Textured Images of Nematic Materials},
author = {Haijie Ren and Weiqiang Wang and Wentao Tang and Rui Zhang},
journal= {arXiv preprint arXiv:2310.06406},
year = {2025}
}