非均质材料广泛应用于航空航天、电子信息、国防等领域高端装备零部件,其多相、多尺度、形貌复杂的微观结构特征决定材料宏观性能的优越性,建立准确的微观结构模型对于深入理解结构-性能关系至关重要。然而当材料表现出强烈的非均质特性...非均质材料广泛应用于航空航天、电子信息、国防等领域高端装备零部件,其多相、多尺度、形貌复杂的微观结构特征决定材料宏观性能的优越性,建立准确的微观结构模型对于深入理解结构-性能关系至关重要。然而当材料表现出强烈的非均质特性时,该过程的复杂性显著提升且难度增大。近年来,计算材料科学进步推动计算模拟方法发展,材料微观结构表征与重建(microstructure characterization and reconstruction,MCR)技术作为计算模拟过程的关键环节,为非均质材料的微观结构建模提供有力途径。目前,非均质材料的MCR主要包括两类:(1)基于统计方法的建模技术;(2)基于机器学习方法及计算机视觉的建模技术。本工作总结并梳理这两类MCR技术,阐释相关方法的特点及适用性,并分析不同方法在非均质材料微观结构表征与重建方面的研究进展,为如何选取MCR方法并将其应用于材料设计提供借鉴和指导。展开更多
单晶硅生产过程中,引晶工艺产生的缺陷严重影响产品质量,传统的基于视觉的缺陷检测方法在检测引晶图像中的凸点小目标时,存在检测速度慢、参数量大、难以部署在嵌入式终端等不足。为此,提出了一种改进的YOLOv8目标检测模型,引入了Contex...单晶硅生产过程中,引晶工艺产生的缺陷严重影响产品质量,传统的基于视觉的缺陷检测方法在检测引晶图像中的凸点小目标时,存在检测速度慢、参数量大、难以部署在嵌入式终端等不足。为此,提出了一种改进的YOLOv8目标检测模型,引入了ContextGuided模块,提高了模型的推理效率;在特征融合网络中引入更为高效的DySample,优化了特征融合的效率和深度;采用轻量级网络结构,减少了模型的复杂度和计算量,使其适应计算资源有限的终端设备。在工业数据集上进行了训练和测试,实验结果表明,对凸点小目标的检测更加准确,mAP(mean average precision)达到97.7%,在精确率上相对于YOLOv8n提升了11.6%,同时参数量减少31.9%,方便部署在嵌入式终端。展开更多
文摘非均质材料广泛应用于航空航天、电子信息、国防等领域高端装备零部件,其多相、多尺度、形貌复杂的微观结构特征决定材料宏观性能的优越性,建立准确的微观结构模型对于深入理解结构-性能关系至关重要。然而当材料表现出强烈的非均质特性时,该过程的复杂性显著提升且难度增大。近年来,计算材料科学进步推动计算模拟方法发展,材料微观结构表征与重建(microstructure characterization and reconstruction,MCR)技术作为计算模拟过程的关键环节,为非均质材料的微观结构建模提供有力途径。目前,非均质材料的MCR主要包括两类:(1)基于统计方法的建模技术;(2)基于机器学习方法及计算机视觉的建模技术。本工作总结并梳理这两类MCR技术,阐释相关方法的特点及适用性,并分析不同方法在非均质材料微观结构表征与重建方面的研究进展,为如何选取MCR方法并将其应用于材料设计提供借鉴和指导。
文摘单晶硅生产过程中,引晶工艺产生的缺陷严重影响产品质量,传统的基于视觉的缺陷检测方法在检测引晶图像中的凸点小目标时,存在检测速度慢、参数量大、难以部署在嵌入式终端等不足。为此,提出了一种改进的YOLOv8目标检测模型,引入了ContextGuided模块,提高了模型的推理效率;在特征融合网络中引入更为高效的DySample,优化了特征融合的效率和深度;采用轻量级网络结构,减少了模型的复杂度和计算量,使其适应计算资源有限的终端设备。在工业数据集上进行了训练和测试,实验结果表明,对凸点小目标的检测更加准确,mAP(mean average precision)达到97.7%,在精确率上相对于YOLOv8n提升了11.6%,同时参数量减少31.9%,方便部署在嵌入式终端。
