金属組織観察における深層学習を用いた画像認識技術の研究

摘要

金属ミクロ組織の粒界の長さに対する粒界上に析出する炭化物の比率は，強度や寿命などの重要な機械的特性と関連性があると考えられている.従来，その比率は専門家自らが写真などから手作業で計測していたため，時間とコストを要していた.金属組織の様相は熱処理時間などで異なるため，画一的なしきい値などで粒界を自動検出することは難しい.このような課題には，近年開発されたEncoder-Decoder 構造のConvolutional Neural Network (CNN)を用いることで，古典的な画像処理アルゴリズムでは判別が困難であった抽象的な特徴領域の検出が期待できる.本稿ではEncoder-Decoder構造のCNNの一つであるU-Netをベースとした構造を用いて粒界の検出を行い，予測精度が先端的な手法であるDeepLab v3+よりも約2ポイント高い約72％で予測できることを確認した.