| 학회 | 한국재료학회 |
| 학술대회 | 2021년 봄 (05/12 ~ 05/14, 광주 김대중컨벤션센터) |
| 권호 | 27권 1호 |
| 발표분야 | D. 구조 재료 분과 |
| 제목 | Deep Learning-based Grain Boundary Contrast Enhancement |
| 초록 | 다결정 금속재료에서 결정립의 크기, 모양, 분포 등의 형태학적 특징들은 기계적물성의 결정에 큰 영향을 준다. 이러한 결정구조를 현미경 이미지에 나타내기 위해서 다양한 화학적 엣칭 기법들이 개발되어져 왔다. 하지만 그러한 기법들은 높은 결정립계 대비를 나타내지 못하며, 또한 과엣칭시 재료의 구조를 변형시킴으로써 이후 물성 측정에 영향을 미치게 된다. 따라서 균일하며 높은 결정립계 대비를 나타낼 수 있는 새로운 기법이 개발되어야 할 필요성이 있다. 우리는 딥러닝 기반 결정립계 대비 강화 기술을 제안한다. 제안하는 방법론은 합성곱 신경망을 기반으로 하며 이미지에서 이미지로 변환하는 기능을 수행한다. 이를 통해 화학적 엣칭에 의해서 얻어진 낮고 비균일한 결정립계 대비 이미지는 균일하고 높은 겹정립계 대비를 가진 이미지로 변환된다. 우리는 제안하는 방법론이 미세한 결정립계부터 큰 결정립계까지 성공적으로 고대비화하는 것을 보이고, 엣지 검출 등의 전통적인 이미지 처리 기법들과 비교하여 우수한 성능을 갖는 것을 보인다. 제안하는 방법론은 기존의 다양한 엣칭 기법들과 보완적으로 결합되어 사용될 수 있으며 특정 재료가 아닌 다양한 재료의 결정구조를 드러내기 위해 사용될 수 있을 것으로 기대된다. 이 성과는 정부 (과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. 2020R1A2C1009744), 2019년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원 (P0008691, 2019년 산업전문인력역량강화사업), 한국재료연구원 지원을 받아 수행된 연구임 |
| 저자 | 나주원, 이승철 |
| 소속 | 포항공과대 |
| 키워드 | <P>주사전자현미경; 결정립계; 인공신경망</P> |
