Detail publikace
Graph-based deep learning segmentation of EDS spectral images for automated mineral phase analysis
Výravský Jakub (TESCAN GROUP, a.s)
Kolář Martin, Ph.D. (UPGM FIT VUT)
Motl David, Ing. (FEI VUT)
Zemčík Pavel, prof. Dr. Ing. (UPGM FIT VUT)
Segmentace, hluboké učení, EDS spektrum, Automatizovaná mineralogie
Představujeme novou metodu pro grafovou segmentaci spektrálních obrazů získaných pomocí rastrovacího elektronového mikroskopu (SEM) vybaveného detektorem rentgenové spektroskopie (EDS). Metoda využívá hluboké učení spolu s fúzí rastrových obrazů z elektronové mikroskopie s řídkým vzorkováním EDS k získání přesné mineralogické segmentace s vysokou přesností. Vylepšení oproti předchozím metodám je zlepšení kvantitativního a kvalitativního výsledku segmentace. Popisujeme principy nové metody, ukazujeme experimentální výsledky na reálných vzorcích a demonstrujeme její výhody ve srovnání se současným stavem. Nová metoda provádí shlukování na řídce měřených EDS spektrech, což umožňuje klasifikaci ostatních minerálů. Poté jsou zpracovaná spektra kombinována s SEM měřeními s využitím markov Field pro segmentaci obrazu. Výhodou této metody je to, že shluky pak mohou být klasifikovány, analyzovány a malá zrna s odlišnými měřeními EDS jsou přesněji separována než u předchozích metod. Tyto výsledky jsou vyhodnoceny kvantitativně měřením základním elektronovým mikroskopem s hustými daty EDS s vysokým počtem impulzů a také vizuálně pomocí analýzy mineralogem.
@ARTICLE{FITPUB12946,
author = "Roman Jur\'{a}nek and Jakub V\'{y}ravsk\'{y} and Martin Kol\'{a}\v{r} and David Motl and Pavel Zem\v{c}\'{i}k",
title = "Graph-based deep learning segmentation of EDS spectral images for automated mineral phase analysis",
pages = "1--2",
journal = "Computers and Geosciences",
volume = 165,
number = 8,
year = 2022,
ISSN = "0098-3004",
doi = "10.1016/j.cageo.2022.105109",
language = "english",
url = "https://www.fit.vut.cz/research/publication/12946"
}