面向扩散模型的概念导向合成数据方法用于晶粒分析
机器学习
2025-04-22 v1 材料科学
摘要
从显微镜图像中提取多晶粒结构的传统技术，如透射电子显微镜（TEM）和扫描电子显微镜（SEM），往往工作量大、主观且耗时，限制了其在高通量分析中的可扩展性。本研究提出一种自动化方法，集成边缘检测与生成式扩散模型，以有效识别晶粒、消除噪声并在与预测晶粒边界一致的前提下连接中断的线段。由于可获得的足够图像数量不足以训练深度机器学习模型，本文采用七阶段方法生成用于训练的合成TEM图像。该概念导向合成数据方法可推广至数据稀缺的任何领域。所提出的模型应用于多种金属，平均晶粒尺寸可达纳米级，从低分辨率TEM图像中生成的晶粒形貌与采用先进且要求严苛实验技术获得的结果相当，平均准确率达97.23%。
引用
@article{arxiv.2504.14782,
title = {Novel Concept-Oriented Synthetic Data approach for Training Generative AI-Driven Crystal Grain Analysis Using Diffusion Model},
author = {Ahmed Sobhi Saleh and Kristof Croes and Hajdin Ceric and Ingrid De Wolf and Houman Zahedmanesh},
journal= {arXiv preprint arXiv:2504.14782},
year = {2025}
}
备注
19 Pages, 5 Figures