Zastosowanie metod uczenia maszynowego w analizie obrazu mikroskopowego płytek ceramicznych

Współczesne metody badań stosowane w nowoczesnych technikach badawczych spowodowały, że zbierane są ogromne ilości danych, które muszą być poddane dalszej analizie. Uczenie maszynowe pomaga interpretować zgromadzone dane, a po ich przetworzeniu może pomóc podjąć dalsze decyzje. Metoda ta ma coraz większe zastosowanie w kontroli jakości wyrobów. W artykule przedstawiono zastosowanie nadzorowanej wersji uczenia maszynowego w badaniach nad optymalizacją rozpoznawania faz chemicznych z obrazów mikroskopowych i obrazów składu chemicznego dla płytek ceramicznych. Stwierdzono, że w przypadku opracowanych danych z elektronowej mikroskopii skaningowej, najlepsze wyniki uzyskano dla algorytmu CART (drzewo decyzyjne). Zastosowana metodyka znacznie usprawnia przeprowadzenie badań i poprawia jakość uzyskanych analiz obrazu w odniesieniu do standardowego oprogramowania mikroskopów.

Contemporary research methods used in modern research techniques often result in the collection of huge amounts of data that must be further analyzed. Machine learning helps to interpret the collected data, and after their processing, it can help you make further decisions. The article presents the use of the supervised machine learning in research on the optimization of the recognition of chemical phases from microscopic images and chemical composition images for ceramic tiles. It was found that in the case of the developed data from scanning electron microscopy, the best results were obtained for the CART algorithm (decision tree structure). The applied methodology significantly improve the conduct of research and ameliorate the quality of the obtained image analyzes.