초록 ▼

페라이트, 베이나이트, 마르텐사이트를 구성상으로 가지는 다상복합조직 철강에 대한 후방산란 전자회절 시험으로부터 각 구성상의 형상과, 내부 전위 분포를 시각화한 오리엔테이션 이미지(orientation image)를 구성하였다. 이들을 입력으로 받아들여 구성상을 분류하는 전용 합성곱신경망(convolutional neural network)을 구성하였다. 페라이트, 베이나이트 및 마르텐사이트로 사전 분류한 각 12,000 개의 오리엔테이션 이미지를 활용해 해당 신경망 모델을 학습시켰으며, 사전 준비한 검증 데이터에 대해 학습된 신경망

페라이트, 베이나이트, 마르텐사이트를 구성상으로 가지는 다상복합조직 철강에 대한 후방산란 전자회절 시험으로부터 각 구성상의 형상과, 내부 전위 분포를 시각화한 오리엔테이션 이미지(orientation image)를 구성하였다. 이들을 입력으로 받아들여 구성상을 분류하는 전용 합성곱신경망(convolutional neural network)을 구성하였다. 페라이트, 베이나이트 및 마르텐사이트로 사전 분류한 각 12,000 개의 오리엔테이션 이미지를 활용해 해당 신경망 모델을 학습시켰으며, 사전 준비한 검증 데이터에 대해 학습된 신경망 모델은 97.3 %의 우수한 정합도를 보였다.

(출처 : 보고서(초록) 3p)

Abstract ▼

IV. Results
Orientation images were composed of the morphology and the misorientation distributions of the microconstituents in steels. A CNN model was trained with 36000 of them, and exhibited 97 % of accuracy in the test on a multi-phase microstructure which included ferrite, bainite and marten

IV. Results
Orientation images were composed of the morphology and the misorientation distributions of the microconstituents in steels. A CNN model was trained with 36000 of them, and exhibited 97 % of accuracy in the test on a multi-phase microstructure which included ferrite, bainite and martensite.
- output: 1 software

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 요 약 문 ... 4
• S U M M A R Y ... 5
• C O N T E N T S ... 6
• 제 1 장 연구개발과제의 개요 ... 7
• 제 2 장 국내외 기술개발 현황 ... 9
• 제 3 장 연구개발수행 내용 및 결과 ... 11
• 제 4 장 목표달성도 및 관련분야에의 기여도 ... 19
• 제 5 장 연구개발결과의 활용계획 ... 21
• 끝페이지 ... 22