講演抄録/キーワード |
講演名 |
2020-03-16 15:10
異なる倍率の走査型電子顕微鏡像を用いた金属材料の解析 ○伊藤龍之介・亀山啓輔(筑波大)・日野英逸(統計数理研) PRMU2019-78 |
抄録 |
(和) |
近年、様々な性質を持った金属材料の開発を高速化するために、開発および検証のプロセスの効率化が急務となっている。特に、材料画像を用いてその性質を予測する研究は応用範囲が広く、注目を集めている。電子顕微鏡を用いると金属材料の表面を数百倍から数十万倍程度の倍率で観察することができるため、様々な倍率の材料表面画像を入手することができる。しかし、特定の倍率の材料画像のみを用いると解析上の欠点が生まれる可能性がある。そのため、スケールごとに有効な特徴を組み合わせて問題に取り組むために、複数の倍率を組み合わせて用いることができるマルチスケールな解析手法の研究が進められてきた。本研究では、選択的分岐オートエンコーダというアーキテクチャを提案する。選択的分岐オートエンコーダは、複数のオートエンコーダを並列に接続したニューラルネットワークであり、特定のパターンの入力に対して特定のオートエンコーダが対応するように訓練が行われる。複数の倍率の材料画像を組み合わせて用いることができるマルチスケールな特徴抽出器として利用でき、スケールごとに有効な特徴を組み合わせることができる。提案手法を実際の金属材料表面の電子顕微鏡像に適用し、金属疲労を示すstriationの検出精度をヒストグラムを用いた特徴抽出による検出手法と比較し、提案手法が古典的なパッチ分類手法および単純なニューラルネットワークによる分類器よりも高い検出性能を示すことを確認した。 |
(英) |
In recent years, in order to quickly develop metal materials having special properties, it is urgently necessary to make development and verification more efficient. In particular, prediction of properties using material images has a wide range of applications and is attracting attention. Surface images of metal materials can be obtained by a scanning electron microscope at a magnification of about several hundred to several hundred thousand.However, using only material images of a single magnification may cause a drawback in analysis. Therefore, in order to solve the problem by combining effective features for each scale, many studies have been conducted on a prediction method that can use a combination of a plurality of magnifications. In this work, we propose the selective forked autoencoder (SFAE). The SFAE is a neural network architecture in which multiple autoencoders are connected in parallel, and trained to perform so that a specific autoencoder responds to a specific pattern input. We applied the proposed architecture to a SEM image of the actual metal material surface, and compared the detection accuracy of the striation, which indicates metal fatigue, with the detection method using histogram. It is confirmed that the proposed architecture has higher detection performance than the classical patch classification method and the classifier based on a simple neural network. |
キーワード |
(和) |
材料解析 / 走査型電子顕微鏡 / striation / マルチスケール / オートエンコーダ / / / |
(英) |
material analysis / SEM / striation / multiscale / autoencoder / / / |
文献情報 |
信学技報, vol. 119, no. 481, PRMU2019-78, pp. 71-76, 2020年3月. |
資料番号 |
PRMU2019-78 |
発行日 |
2020-03-09 (PRMU) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2019-78 |