(S9.13-S0108)教師無し学習を用いた低炭素鋼における三次元組織の自動抽出

摘要

鉄鋼材料において三次元の組織形態を把握することは、特性を予測する上で重要である。そのため、熱処理条件や組成に対する組織形態の変化を解明するための大規模なデータベースの構築が求められる。構築に際して各材料から高速に三次元の組織情報を抽出する必要があるが、従来のFIB とSEM-EBSD を併用した手法1)では多大なコストがかかる。そこで近年、機械研磨と光学顕微鏡を併用したシリアルセクショニングにより構築される三次元組織画像から、画像解析により組織を自動分割する手法が試みられている2)。中でも高精度な分割手法としては、専門家が予め分割した組織画像を教師データとした機械学習(教師有り学習)による分割手法がある3)。しかし、観察する方向により組織の見え方は変化するため、膨大な教師データが必要となる課題がある。本研究では、複数の教師無し学習による分割手法から、モデル選択により最適な分割モデルの構築を目指した。