文献

J-GLOBAL ID：202202233328764340   整理番号：22A0946023

ベイナイト,フェライトおよびマルテンサイトセグメンテーションのための深層学習によるEBSDデータの利用【JST・京大機械翻訳】

Leveraging EBSD data by deep learning for bainite, ferrite and martensite segmentation

著者 (12件)： Breumier S. (Institut de Recherche Technologique Materiaux, Metallurgie et Procedes, 4 rue Augustin Fresnel, F-57078, Metz, France) ,  Breumier S. (Universite de Lorraine, CNRS, Arts et Metiers Paris Tech, LEM3, F-57000 Metz, France) ,  Martinez Ostormujof T. (Universite de Lorraine, CNRS, Arts et Metiers Paris Tech, LEM3, F-57000 Metz, France) ,  Martinez Ostormujof T. (Laboratory of Excellence on Design of Alloy Metals for Low-mAss Structures (DAMAS), Universite de Lorraine, France) ,  Frincu B. (INDUSTEEL (ArcelorMittal), Centre de Recherche des Materiaux du Creusot (CRMC), Le Creusot, France) ,  Gey N. (Universite de Lorraine, CNRS, Arts et Metiers Paris Tech, LEM3, F-57000 Metz, France) ,  Gey N. (Laboratory of Excellence on Design of Alloy Metals for Low-mAss Structures (DAMAS), Universite de Lorraine, France) ,  Couturier A. (INDUSTEEL (ArcelorMittal), Centre de Recherche des Materiaux du Creusot (CRMC), Le Creusot, France) ,  Loukachenko N. (INDUSTEEL (ArcelorMittal), Centre de Recherche des Materiaux du Creusot (CRMC), Le Creusot, France) ,  Aba-perea P.E. (Institut de Recherche Technologique Materiaux, Metallurgie et Procedes, 4 rue Augustin Fresnel, F-57078, Metz, France) ,  Germain L. (Universite de Lorraine, CNRS, Arts et Metiers Paris Tech, LEM3, F-57000 Metz, France) ,  Germain L. (Laboratory of Excellence on Design of Alloy Metals for Low-mAss Structures (DAMAS), Universite de Lorraine, France)
資料名： Materials Characterization  (Materials Characterization)
巻： 186  ページ： Null  発行年： 2022年 
JST資料番号： D0448C  ISSN： 1044-5803  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： U-Netモデルを訓練して,カーネル平均ミスオリエンテーションおよび入力としてパターン品質指数を用いてEBSDマップ上のベイナイト,フェライトおよびマルテンサイトのセグメンテーションを行った。訓練中のモデルによって無視される「未知」クラスを導入することによって,手動ラベリング作業を容易化した。訓練中のモデルに対する異なる取得ステップ,インデクシング品質および構成内容を有する地図の提供の影響を,広範囲の構成でモデル訓練の重要性を示すために調査した。モデルは,92%の平均精度で3つの成分を区別できる。マップ取得段階を含む付加的チャネルをモデルに提供し,種々のEBSD取得ステップに一般化するのを助けた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電子回折 ,  *フェライト ,  *セグメンテーション ,  *マルテンサイト ,  低炭素鋼 ,  *ベイナイト ,  チャネル ,  機械学習
準シソーラス用語： ミスオリエンテーション ,  *EBSD ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  畳込みニューラルネットワークEBSD ,  低炭素鋼 ,  位相セグメンテーション

分類 (1件)： 変態組織,加工組織  (WB01030N)

タイトルに関連する用語 (4件)： ベイナイト ,  フェライト ,  深層学習 ,  EBSD