深度學習重建纖維3D圖像

俄羅斯科爾科沃科學技術研究所科研人員借助微型計算機斷層掃描技術成功重建了纖維材料3D圖像。為了解決這一複雜和耗時的任務，科研人員使用了機器深度學習方法。相關研究結果近日發表在《計算材料科學》雜誌上。

研究三維顯微纖維強化複合材料和其他複雜的材料，微型計算機斷層掃描是一個不可缺少的工具。然而，使用這種方法會遇到一些額外的難題，例如樣本尺寸太小和圖像上的陰影區域，以及低質量甚至完全沒有單獨的圖像片段等。為了解決這些難題，科研人員決定使用廣泛用於數字圖像處理中的缺陷檢測方法。

科研人員拉德米爾·卡拉莫夫解釋道，基於人工智慧重建圖像最大優勢是速度。一個良好的訓練模式可以每秒處理數以百計的圖像。這樣的速度是單個人無法完成的。此外，計算機能更好地處理三維立體圖像，因為它能夠“看見”它們，並能在瞬間全方位重建圖像。

卡拉莫夫表示，在複合材料中加入纖維可在三個方向獲得任意取向，因此，必須處理複雜的內部微觀結構的3D圖像。而借助神經網絡技術不可能達到要求的精度。為此，研究人員提出了以生成對抗網絡與3D編碼器和解碼器構成的微型計算機斷層掃描方法重建三維圖像。他稱，當利用生成對抗網絡重建圖像時，有兩個相互競爭的神經網絡：一個是生成人工圖像的生成網絡，一個是歧視網絡。它們就像一個造假者和警官，前者尋求打印更多可以以假亂真的貨幣，而後者負責檢驗每一個貨幣的真假。

據悉，研究人員利用沒有任何重復其結構的複合增強短玻璃纖維作為樣品，測試了3種不同的生成對抗網絡結構。結果發現，微型計算機斷層掃描技術可以重建所有缺陷的圖像，這對未來深入研究和分析複雜材料的性能具有重要意義。