01
Разметка
изображений
Выделение пор, редактирование границ и подготовка эталонных масок для обучения.
Интеллект в материаловедении
Видеть глубже.Измерять точнее.
Искусственный интеллект для анализа
микроструктуры материалов. От изображения —
к измеримым характеристикам пор.
Данные, которые раскрывают материал.
Площадь пор/Эквивалентный диаметр/Пористость
01 / Технология
Сложная структура.
Понятный результат.
Нейросеть выделяет поры на изображении материала. Полученная маска становится основой для измерений, статистики и сравнения образцов.
Оператор
Нейросеть
СовпадениеЛишние пикселиПропуски
2048 × 1536 pxПеремещайте разделитель, чтобы сравнить маски
ResUNet / компьютерное зрение02 / Возможности
От первого снимка
до итогового отчёта.
Объединяем разметку, обучение нейросетей и измерения в одной программе. Четыре направления разработки — один рабочий процесс.
Разметка
02
Обучение
нейросетей
Подготовка выборок, обучение и дообучение моделей под изображения исследуемого материала.
03
Сегментация
и измерения
Обработка снимков, получение бинарных масок и расчёт геометрических характеристик пор.
04
Статистика
и отчёт
Распределение размеров, таблицы измерений и сохранение результатов с параметрами обработки.
Измеримые характеристики
Больше, чем
изображение.
Каждая выделенная пора — источник количественных данных о структуре материала.
Физические размеры рассчитываются по масштабу снимка. Пористость характеризует долю площади пор в двумерном сечении.
Площадь поры
Площадь отдельного выделенного объекта
с учётом масштаба изображения.
Эквивалентный диаметр
Диаметр круга, равного по площади
сечению исследуемой поры.
Пористость микрошлифа
Отношение площади всех пор
к площади анализируемой области.
03 / О проекте
На стыке науки
о материалах
и искусственного
интеллекта.
Обсудить исследование Исследовательский проект
Создаём программное обеспечение, которое помогает переходить от ручного выделения пор к воспроизводимому анализу микроструктуры.
В основе проекта — нейронные сети для сегментации цифровых изображений материала. Особое внимание уделяем границам пор, корректному измерению размеров и сравнению с разметкой оператора.
Разработка объединяет подготовку данных, обучение моделей, обработку снимков и формирование отчётов. Точность и скорость оцениваются на контрольных изображениях с зафиксированными условиями анализа.
Фокус исследованияПористость материалов
МетодКомпьютерное зрение
Программа поддержки«Студенческий стартап»
Научное сотрудничество
Изображения. Материалы. Новые задачи.
Обсудим задачи сегментации, особенности ваших
изображений и возможности совместного исследования.
Автор проектаЗиничев Ярослав ДмитриевичДимитровград