セラミック基複合材料における小角散乱画像を用いた段階的なき裂検出
CMCの小角散乱画像はデータ数が少なく、機械学習の適用が難しい状況にありました。そこで、1枚の画像を格子状に分割した画像や、グリッドを1pxずつずらしつつ切り抜いた画像を学習画像とすることで機械学習を適用可能にしました。
![](http://mj-lab.org/wp-content/uploads/2024/03/image-8.png)
しかし、格子状に分割した画像を学習画像としたときは、き裂のある大まかな位置しか示すことができず、1pxずつずらして切り抜いた画像を学習画像としたときはノイズが多くなります。
![](http://mj-lab.org/wp-content/uploads/2024/03/image-5.png)
10pxの格子状に分割した画像を学習画像としたときの例
![](http://mj-lab.org/wp-content/uploads/2024/03/image-6.png)
5pxの格子状に分割した画像を学習画像としたときの例
![](http://mj-lab.org/wp-content/uploads/2024/03/image-7.png)
5pxのグリッドを1pxずつずらして切り抜いた画像を学習画像としたときの例
そのため、大きな範囲でき裂と検出された箇所を、次に小さな探索範囲で出力された箇所に置き換えることでノイズを軽減しつつ、き裂をより具体的に示します。また、これを段階的に機械学習を施すと呼称しています。
![](http://mj-lab.org/wp-content/uploads/2024/03/image-9.png)
10pxの格子状から5pxの格子状へと置き換える例
![](http://mj-lab.org/wp-content/uploads/2024/03/image-11.png)
5pxのグリッドを1pxずつずらして切り抜いた画像を学習画像としたときの例
![](http://mj-lab.org/wp-content/uploads/2024/03/image-10.png)
段階的に機械学習を施した結果