Automatically Predict Material Properties with Microscopic Image Example Polymer Compatibility

要約

多くの材料特性は形態学的外観に現れ、走査型電子顕微鏡（SEM）のような顕微鏡画像で特徴付けられる。高分子の混和性は、高分子材料の重要な物理量であり、一般的にSEM画像によって直感的に判断される。しかし、人間が画像を見て判断することは、時間と労力がかかり、定量化も困難である。機械学習による画像認識は、人為的な判断の欠点を補い、正確で定量的な判断を可能にします。我々は、コンボリューションニューラルネットワークと転移学習法を用いて、混和性の自動認識を実現し、94％の精度を達成した。また、このモデルを用いて、ポリマーの混和性に関する定量的な基準を提案した。提案手法は、様々な材料の微細構造や物性の定量的な評価に広く応用できる。

要約(オリジナル)

Many material properties are manifested in the morphological appearance and characterized with microscopic image, such as scanning electron microscopy (SEM). Polymer miscibility is a key physical quantity of polymer material and commonly and intuitively judged by SEM images. However, human observation and judgement for the images is time-consuming, labor-intensive and hard to be quantified. Computer image recognition with machine learning method can make up the defects of artificial judging, giving accurate and quantitative judgement. We achieve automatic miscibility recognition utilizing convolution neural network and transfer learning method, and the model obtains up to 94% accuracy. We also put forward a quantitative criterion for polymer miscibility with this model. The proposed method can be widely applied to the quantitative characterization of the microstructure and properties of various materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL