Art

J-GLOBAL ID：202002280037400129   Reference number：20A0700454

An Extraction Method of Pore Feature for Li-ion Battery by Image Analysis through Deep Learning

ディープラーニングを用いた画像解析によるリチウムイオン電池における空隙情報の自動抽出方法の探索

Author (3)： SHIOHARA TAKAHIRO (TDK) ,  UCHINO MANABU (TDK) ,  FUKUI MASAHIRO (立命館大 理工)
Material： 電子情報通信学会論文誌 C(Web)
Volume： J103-C  Issue： 3  Page： 143-152 (WEB ONLY)  Publication year： Mar. 01, 2020 
JST Material Number： U0472A  ISSN： 1881-0217  Document type： Article
Article type： 原著論文  Country of issue： Japan (JPN)  Language： JAPANESE (JA)

Thesaurus term： *machine learning ,  *image analysis ,  *lithium ion battery ,  *extraction ,  development ,  feature extraction ,  characteristic ,  solution(mathematics) ,  scanning electron microscope ,  data ,  neural network(biomodel) ,  *pore structure
Semi thesaurus term： *deep learning ,  *image analysis ,  *automated extraction ,  material development ,  material properties ,  optimal solution ,  image data ,  convolutional neuralnetwork

JST classification (3)： Pattern recognition  (JE07000S) ,  Artificial intelligence  (JE08000Z) ,  Secondary batteries  (YB04030K)

Reference (19)：

• “Materials Genome Initiative, the Subcommittee of the Materials Genome Initiative,” https://www.mgi.gov/
• “The NOMAD Laboratory, A European Centre of Excellence,” https://NOMAD-coe.eu/
• Y. Wang, W.D. Richards, S.P. Ong, L.J. Miara, J.C. Kim, Y. Mo, and G. Ceder, “Design principles for solid-state lithium superionic conductors,” Nature Materials, vol.14, pp.1026-1031, Oct. 2015.
• Y. Mo, S.P. Ong, and G. Ceder, “First principles study of the Li10GeP2S12 lithium super ionic conductor material,” Chem. of Mat., vol.24, no.1, pp.15-17, Jan. 2012.
• K. Simonyan, A. Vedaldi, and A. Zisserman, “Deep in-side convolutional networks: Visualising image classication models and saliency maps,” ICLR 2014 Workshop Track, April 2014. arXiv: 1312.6034.

Terms in the title (6)： ディープラーニング ,  画像解析 ,  リチウムイオン電池 ,  空隙 ,  自動抽出 ,  探索