欢迎光临
我们一直在努力

计算机科学家和材料研究人员合作优化钢的分类

使用机器学习技术,萨尔布吕肯的计算机科学家和材料科学家现在开发出一种比传统质量控制程序更加准确和客观的方法。他们的研究结果刚刚发表在科学报告中,这是与科学期刊“ 自然 ”杂志相关的开放获取期刊。

当两个不同学科的科学家在一个研究项目上合作时,他们首先需要学习说同一种语言。“计算机科学家们已经花了很长时间才明白为什么材料的内部结构及其在图像形式中的表现对材料科学家起着如此重要的作用,”功能材料系博士生Dominik Britz说道。在萨尔大学。这些内部结构是重要的,因为它们与材料表现出的性质密切相关。由于现代钢材的供应种类越来越多,并且由于它们的内部结构越来越复杂,因此误差容限越来越小。

对于马克斯普朗克信息学研究所的研究同事Seyed Majid Azimi来说,首先要向Dominik Britz解释他所采用的机器学习(“深度学习”)方法能够产生比任何方法更精确的结果。由专家材料科学家手工进行的图像分析。为了达到这样的效果,Azimi为他的高性能计算机提供了以前由专家“手工分类”的图像数据。该数据用于训练计算机模型,并且随后通过将它们与另外的人类分类图像数据集进行比较来测试这些模型。但是,如果没有对所涉及的材料有任何真正的“知识”,计算机怎么能够产生如此惊人的好结果呢?

在这项专注于钢铁微观结构分类的研究中,答案在于了解钢铁生产过程。'制造特种钢是一个极其复杂的过程,取决于许多个别因素,包括材料的化学成分,所用的轧制工艺和材料所经受的热处理类型。生产过程的每个阶段都会影响钢的内部结构,“Dominik Britz解释说。材料科学家将这种内部结构称为材料的“微观结构”。微观结构由“晶粒”组成,每个晶粒都是微晶,具有特殊的晶体结构。但是邻近的谷物在空间方向上也有所不同。事实上,晶粒不仅在其取向方面不同,而且在它们各自的形状和空间连通性方面也不同,导致高几何复杂度的微结构。'通过拍摄显微图像,可以在材料开发和质量控制阶段使这些极其复杂的结构可见。使用光学和电子显微镜评估特别制备的样品,“Britz解释说。

对材料进行分类涉及将这些显微镜图像与呈现典型几何微结构的参考图像进行比较。随着时间的推移,公司质量保证部门的经验丰富的工程师会发展出一种敏锐的洞察力,使他们能够决定他们正在处理哪种特定的钢结构。“但即使这些练习过的专家有时也会打错电话,因为有时候用肉眼几乎看不到图像之间的差异。虽然人类非常善于区分较小的相对差异,但我们并不擅长识别绝对几何标准,“负责该项研究的Frank Muecklich教授解释道。Muecklich还是萨尔布吕肯斯坦贝斯材料工程中心(MECS)的主任,该工作人员参与了该研究。

材料科学家们有兴趣找到一个不太容易出现用户错误的客观程序,无论用户的专业水平如何,都可以应用。'机器学习方法允许计算机非常快速地识别复杂图案并在显微镜图像中分配微结构的几何形状。他们可以学习以前分类的微观结构的特征,并将这些与公认的模式进行比较,“Muecklich解释道。使用这种方法,萨尔布吕肯的研究团队能够以之前无法实现的精确度确定低碳钢的微观结构。'当使用我们的系统进行微观结构分类时,我们的准确度达到了93%左右。使用传统方法,

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。