基于测量感知的学习方法，用于定量金相学中可靠的晶界分析

《Scientific Reports》：Measurement-aware learning for reliable grain-boundary analysis in quantitative metallography

　　

摘要

定量金相学需要可靠的基于边界的测量方法。此前的计算流程已证明了其可行性，但在基于裁剪区域的工作流程中分析薄弱且不连续的界面时，仍存在可靠性问题。本研究探讨了上下文可用性、与标注对齐的监督机制以及以测量为导向的验证方法如何影响基于边界的晶粒尺寸分析。首先，通过上下文消除实验，我们发现去除全局上下文会显著降低边界的可识别性，这表明上下文是实现可靠界面检测的首要条件。作为这种注重测量的方法的实践体现，我们提出了MLOGRAPHY++，这是一种能够保留上下文的局部标记方法，它能在减少对复杂后处理依赖的同时，使监督机制与标注的不确定性相匹配。接着，我们评估了Heyn-Compare方法，将其作为针对开放边界预测的、以端点为导向的像素重叠度量方法的补充。最后，在固定提示、匹配分辨率控制、匹配的检测器训练以及专家审核的条件下，我们仅将基于扩散的超分辨率技术作为探索性测试手段。在这些控制条件下，各方法的区分度指标保持相似，而在预留测试数据集上，基于Heyn方法的晶粒尺寸误差从9.98像素降至5.38像素。这些结果支持这样的观点：可靠的定量金相学需要同时重视上下文、标注的真实性以及测量端点，而通过生成技术得到的超分辨率细节不应被视为真实的高分辨率数据。