本文へスキップ

新潟県工業技術総合研究所は、工業系の技術支援機関です。



Lobeによる金属破断面の認識

Topページ > 機械・金属関係 技術トピックス  > Lobeによる金属破断面の認識

1.はじめに
 前回1)は、最近公開されたマイクロソフト社のLobeを使った金属組織の学習について紹介しました。Lobeはプログラム無しで学習から推論まで行うことができるアプリですが、学習結果(モデル)とサンプルプログラムをエクスポートすることができます。
 そこで今回は、Lobeを使って金属の破断面の学習を行うとともに、結果をエクスポートして実行を試みたので紹介します。この実験は令和2年11月に行ったものです。

2.Lobeによる金属破断面の認識およびサンプルプログラムの実行
 前回1)と同様な方法で画像の読み込みおよび学習を行いました。あらかじめ図1に示すように、Dimple(ディンプル破面)、Rock(粒界破面)、Striation(疲労破面)の名前を付けたフォルダに電子顕微鏡画像を各20枚ずつ格納しておきます。画像サイズは、290×219、329×246、340×255、1280×960など様々です。
 これらの画像をLobeにインポートして学習が終了した状態を図2に示します。

電子顕微鏡画像のフォルダへの格納
図1 電子顕微鏡画像のフォルダへの格納


学習が終了した状態
図2 学習が終了した状態

 この状態で画面左上の「Play」をクリックすれば、学習に用いていない電子顕微鏡画像の推論をすることができます。
 上記で学習した結果をエクスポートにより書き出したモデルとサンプルプログラムを用いて、三個の画像ファイル(D.jpg、R.jpg、S.jpg)を推論した結果を以下に示します。

推論結果

ここで、D.jpg、R.jpg、S.jpgはそれぞれDimple破面の画像、Rock破面の画像、Striation破面の画像です。いずれの画像ファイルも正しく推論されていることが分かります。
 なお、エクスポートしたモデルとサンプルプログラムの実行方法については、ブログ記事2)がたいへん参考になります。ただし、お使いの環境によって若干の変更が必要となる場合がありますのでご注意ください。

終わりに
 今回は、Lobeにより金属破断面の認識が可能であることと、エクスポートしたモデルとサンプルプログラムが実行可能であることを紹介しました。

参考文献
1) Lobeによる金属組織の認識, http://www.iri.pref.niigata.jp/topics/R2/2kin21.html
2) Lobeで作成したモデルをTensorflow Lite形式でエクスポートしてMacで使用してみました, 「Developers(株)ブログ」https://dev.classmethod.jp/articles/lobe-lobe-export-tensorflow-lite/#toc-2

  問い合わせ:新潟県工業技術総合研究所
        中越技術支援センター   斎藤 雄治
        TEL:0258-46-3700   FAX:0258-46-6900

バナースペース