チームの最近の成果 - 高強度低合金鋼微細組織の自動セグメンテーションと認識
私たちのチームは、『Materials』（中国科学院三区、JCR Q2）に論文「Automatic Segmentation and Recognition of the Microstructure of High-Strength Low-Alloy Steel」を発表しました。本論文は、高強度低合金鋼の微細組織における自動セグメンテーションと認識に関する研究を扱っています。
金属組織の微細構造解析は、熱処理および機械加工過程における鋼の組織進化の規則を明らかにするうえで重要な意味を持つ。しかし、光学顕微鏡画像には、結晶粒界の不明瞭さ、結晶粒内部の濃淡の不均一性、結晶粒形状の不規則性といった問題が広く存在しており、微細組織の高精度な解析に課題をもたらしている。これらの問題に対処するため、本論文では、超画素に基づく自動金属組織画像処理手法であるDPSS（Dual-Phase Steel Segmentation）を提案し、微細組織の高品質なセグメンテーションとその後の認識を重点的に実現した。
具体的には、DPSSはまずエッジ検出と画像シャープ化によって画像コントラストと結晶粒界の可視性を高める。続いて、超画素セグメンテーションと抽出されたエッジ情報を組み合わせることで、境界定位の精度を向上させるとともに、不規則な結晶粒形状を保持し、光学顕微鏡画像中の結晶粒または粒子領域をより完全に抽出する。本論文では、Mn-Si低合金鋼の光学顕微鏡画像を用いて検証を行い、実験結果により、従来のImageJ（Version 1.54f）に基づく処理手法と比較して、DPSSはより正確で完全な微細組織セグメンテーション結果を得られることが示された。さらに本論文では、軽量ニューラルネットワークを導入して相組織認識を行い、最終的な分類認識精度は99.91%に達した。この結果は、改良されたセグメンテーション手法が後続の微細組織認識に対して、より信頼性の高い入力を提供できることを示している。総じて、本論文で提案した手法は、金属組織画像セグメンテーションに効率的かつ自動化された解決策を提供し、下流の相組織解析を強力に支援するものである。
論文リンク：Automatic Segmentation and Recognition of the Microstructure of High-Strength Low-Alloy Steel
