基于深度学习的电子显微镜图像多缺陷检测与分析
计算机视觉与模式识别
2021-08-23 v1 材料科学
摘要
电子显微镜被广泛用于探测晶体结构中的缺陷，但人工缺陷检测往往耗时、易错、不可靠，且无法扩展到大量图像或实时分析。在本工作中，我们讨论了机器学习方法在辐照钢中定位不同缺陷簇及其几何形态的应用。我们展示了基于深度学习的 Faster R-CNN 分析系统仅需相对较小的训练数据集即可达到与人工分析相当的性能。本研究证明了即使存在多种特征，应用深度学习辅助自动化显微镜数据分析的潜力，并为海量现代电子显微镜数据的快速、可扩展且可靠的分析系统铺平了道路。
引用
@article{arxiv.2108.08883,
title = {Multi defect detection and analysis of electron microscopy images with deep learning},
author = {Mingren Shen and Guanzhao Li and Dongxia Wu and Yuhan Liu and Jacob Greaves and Wei Hao and Nathaniel J. Krakauer and Leah Krudy and Jacob Perez and Varun Sreenivasan and Bryan Sanchez and Oigimer Torres and Wei Li and Kevin Field and Dane Morgan},
journal= {arXiv preprint arXiv:2108.08883},
year = {2021}
}