Analýza struktury materiálů pomocí zpracování snímků metodami strojového učení

Abstract

Tato práce se zabývá segmentací mikroskopových snímků řezů zirkoniovými obaly paliva jaderného reaktoru, na kterých byly provedeny experimenty za vysoké teploty, při kterých dochází ke změně jejich vnitřní struktury. Pro segmentaci tříd kov a oxid bylo užito metody prahování. Pro segmentaci tříd alfa a beta byla využita neuronová síť. Trénovací datová sada byla vytvořena kombinací specializovaných algoritmů a ručních zásahů. Pro zajištění správné funkce modelu byly implementovány vhodné algoritmy předzpracování dat, spočívající v geometrické transformaci, normalizaci jasu a rozdělení obrazu na bloky. Na vytvořené datové sadě byly trénovány a srovnány tři modely neuronových sítí určených k segmentaci obrazu. Po získání výsledné příznakové mapy byly vypočítány kvantitativní charakteristiky zkoumaného vzorku jako například minimální, maximální a průměrná výška vrstvy oxidu. Výsledkem segmentace jsou dokumenty obsahující tyto charakteristiky a vizuální mapa segmentovaných oblastí příslušného snímku.

This diploma thesis focuses on the segmentation of microscopic images of cross-sections of zirconium fuel cladding of a nuclear reactor, on which high-temperature experiments were conducted. These experiments result into changes in the internal structure of the zirconium. A thresholding method was used to segment the metal and oxide classes. A neural network was used to segment the alpha and beta classes. The training data set was created by a combination of specialized algorithms and manual interventions. To ensure the correct functioning of the model, appropriate data preprocessing algorithms were implemented, consisting of geometric transformation, brightness normalization and image subdivision into blocks. Three neural network models were trained and compared on the created data set. After obtaining the resulting feature map, the quantitative characteristics of the examined sample were calculated, such as the minimum, maximum and average height of the oxide layer. The result of segmentation are documents containing these characteristics and a visual map of the segmented areas of the image.