成果简介：

高精度材料显微图像分割及三维重建技术面向常见的金属材料（纯铁晶粒、铝镧枝 晶、高温合金等），根据针对相关材料研究中的二维“ 晶界- 晶粒 ”识别、三维视觉信息 重现以及微观组织信息表征等迫切需求，对相关材料图像数据集的二维图像分割以及三 维结构重建等问题进行研究。本成果借助人工智能技术，使用计算机视觉、图像处理等 方法，结合小样本学习方法，实现了针对三种常见材料显微图像的二维高精度分割，快 速、精准地提取图像中的重要区域；此外，结合三维重建算法和技术，实现了材料微观组织的三维信息重现和局部/全局信息表征。

成熟程度及推广应用情况：

目前处于何种研发阶段： ☒ 研发 ☐ 小试 ☐ 中试 ☐ 小批量生产 ☐ 产业化；样机：

☒ 有 ☐ 无 其他： □如选择“其他 ”，请说明：。

已投入成本：10 万元。

推广应用情况： 目前本成果已推广至材料学院相关实验室，供老师和同学使用，且

根据进一步需求和改进建议更新迭代。

期望技术转移成交价格（大概金额）：20-40 万元。

技术优势：

图像分割方面，使用前沿的深度学习算法，并结合材料显微图像特有的拓扑特征，使用骨架感知、亲和力学习等损失函数进行约束，尝试像素预测与边权预测相结合的方 法，解决细小组织区域的分割问题，提升结果的拓扑正确性；结合基于风格迁移与生成 对抗网络的方法，实现图像的数据增广，进一步减少人工干预、提升训练效率；使用并行计算技术，实现快速、精准的推理。三维重建方面，使用精准的表面重构算法及封装工具，基于桌面端、网页端相结合 的方法，开发一套完整、易用、可交互的重建平台，实现针对单个/多个材料晶粒实体的 定制渲染显示以及局部/全局的信息表征。同时支持相关晶粒显示、锚点操作的信息出及导入；使用本地预渲染-加载技术，实现快速重建整个数据集。

性能指标：

图像分割方面，能够实现快速、精准地提取图像中的“ 晶粒- 晶界 ”区域，评价指标 调整兰德系数 ARI（基于聚类，越高越好）可达到 0.9、信息变化率 VOI（基于聚类，越低越好）可达到 0.15 、平均均值准确率，mAP（基于实例，越高越好）可达到 0.68。三维重建方面，从直观效果上观察，能够根据每一层的分割聚合结果，准确且完整地重建整个数据集，且能够较大程度还原单个晶粒的表面特征。

市场分析：

本研究成果属于计算机科学（人工智能）与材料科学的交叉学科成果，符合国家及 市场对于人工智能、大数据及云计算在工业领域落地的指导方针，具有较广的市场前景，相关技术可转移至新材料研发、医疗图像应用、显微图像处理等行业领域及公司。

经济效益分析：

相关技术成果应用将显著减少人力，包括人工图像标注、图像对齐拼接等操作的投 入，提高分析精确程度，对于新材料的研发、性能研究等方面大幅降低成本，产生经济效益。

成果亮点：

1.  具有自主知识产权，研究成果已授权发明专利 2 项，已授权软件著作权 3 项，发

表高水平论文 6 篇（其中含 1 篇 Nature 子刊）。

2.  成果来源： 国家重点研发计划高通量材料实验大数据采集与加工技术项目

（No.2016YFB0700502）。

3.  技术先进性：国际领先,在材料分析领域，提出的深度学习模型架构在相关数据集上取得了优异的效果，完成的分析与重建平台是首个针对材料显微组织表面重构的应用。

成果相关照片：

联系人：姚老师 

电  话：010-62333881 ，13718384597