АЛГОРИТМЫ ГЕНЕРАЦИИ И ОБРАБОТКИ SEM-ИЗОБРАЖЕНИЙ ДЛЯ ИДЕНТИФИКАЦИИ СВОЙСТВ БИОНЕОРГАНИЧЕСКИХ МАТРИЦ И МЕТОДЫ ИХ ВЕРИФИКАЦИИ

Аннотация

Одним из распространенных методов анализа характеристик материалов, получаемых в ре- зультате химического синтеза, является сканирующая электронная микроскопия (SEM), примене- ние которой позволяет получить изображения с высоким разрешением и увеличением. В статье исследуются алгоритмы анализа изображений материалов, обладающих определенными свойст- вами (например, пористостью) – бионеорганических матриц. Пористые структуры представля- ют собой обширный класс материалов с широкой областью применения, включая сельское хозяй- ство, медицину, катализ и многое другое. Одна из важных сфер использования подобных структур – тканевая инженерия, в которой подобные каркасы необходимы для обеспечения восстанови- тельных процессов тканей организма. И для каждого организма матрицы должны быть персона- лизированными, что требует выполнения трудоемкого процесса по подбору характеристик кар- каса, применимого в конкретном случае. Эта задача в настоящее время частично решается при- менением технологий искусственного интеллекта для повышения точности или поддержки при- нятия решения во время изготовления или анализа матрицы. Однако, часть работы в этом процессе все еще выполняется вручную и представляет из себя трудозатратную рутину для специалиста. В частности, процесс анализа SEM-изображений с целью вычисления характеристик полученного материала все еще представляет множество длительных этапов с использованием различных ин- струментов. При этом такие характеристики как пористость, извилистость, диффузность явля- ются очень важным фактором для эксперта в процессе принятия решения о применимости изго- товленной бионеорганической матрицы в каждом конкретном случае. Соответственно целью дан- ного исследования является разработка комплекса алгоритмов для полностью автоматической об- работки SEM-изображений. Также, исходя из поставленной цели, в рамках исследования можно выделить ряд задач: разработка алгоритмов для детекции объектов на изображении, разработка модели нейронной сети для уточнения результатов детекции, реализация алгоритмов вычисления характеристик пористого материала, а также проектирование и выполнение ряда верификацион- ных испытаний для подтверждения качества выполненных вычислений. В результате проведенного исследования мы сделали некоторые выводы. В частности, подход, использующий генерацию синте- тических данных, может существенно ускорить и упросить процесс обучения нейронной сети, а также повысить качество выходной модели. Далее мы заключили, что полученные алгоритмы мо- гут полностью автоматизировать процесс анализа SEM-изображений с пористой структурой, а качество вычислений подтвердили с помощью ряда верификационных тестов. Полученные алго- ритмы могут быть распространены на другие аналогичные задачи, связанные с проблемами ана- лиза изображений и выявления необходимых признаков и характеристик.