深度学习重建纤维3D图像

俄罗斯科尔科沃科学技术研究所科研人员借助微型计算机断层扫描技术成功重建了纤维材料3D图像。为了解决这一复杂和耗时的任务，科研人员使用了机器深度学习方法。相关研究结果近日发表在《计算材料科学》杂志上。

研究三维显微纤维强化复合材料和其他复杂的材料，微型计算机断层扫描是一个不可缺少的工具。然而，使用这种方法会遇到一些额外的难题，例如样本尺寸太小和图像上的阴影区域，以及低质量甚至完全没有单独的图像片段等。为了解决这些难题，科研人员决定使用广泛用于数字图像处理中的缺陷检测方法。

科研人员拉德米尔·卡拉莫夫解释道，基于人工智能重建图像最大优势是速度。一个良好的训练模式可以每秒处理数以百计的图像。这样的速度是单个人无法完成的。此外，计算机能更好地处理三维立体图像，因为它能够“看见”它们，并能在瞬间全方位重建图像。

卡拉莫夫表示，在复合材料中加入纤维可在三个方向获得任意取向，因此，必须处理复杂的内部微观结构的3D图像。而借助神经网络技术不可能达到要求的精度。为此，研究人员提出了以生成对抗网络与3D编码器和解码器构成的微型计算机断层扫描方法重建三维图像。他称，当利用生成对抗网络重建图像时，有两个相互竞争的神经网络：一个是生成人工图像的生成网络，一个是歧视网络。它们就像一个造假者和警官，前者寻求打印更多可以以假乱真的货币，而后者负责检验每一个货币的真假。

据悉，研究人员利用没有任何重复其结构的复合增强短玻璃纤维作为样品，测试了3种不同的生成对抗网络结构。结果发现，微型计算机断层扫描技术可以重建所有缺陷的图像，这对未来深入研究和分析复杂材料的性能具有重要意义。