ZEISS Sigma 300を用いた軟磁性複合材料の量的EBSD観察
金属組織検査のルーチンワーク用顕微鏡ソリューション

金属組織検査のルーチンに革命をもたらす

最先端の金属分析用顕微鏡ソリューション

金属の特性と使用中のその挙動は、金属の微細構造に左右されます。また、重要な機械的特性、腐食挙動、および疲労性能のすべては、粒径、組成、相の大きさ・分布、介在物、および局在する微細構造の変異の組み合せに影響を受けます。

ZEISSは、幅広い顕微鏡法に対応する、金属組織検査および品質管理のための最先端ソリューションのポートフォリオを提供しています。

  • 国際的に認知された規格に照らして材料を検証
  • 材料の特性と挙動に関する詳細な情報を取得
  • 深刻な問題が生じる前に、仕様からの逸脱、問題、不良があるロットを特定
  • 金属が仕様通りの性能を発揮するという信頼性が向上
機械学習を用いて画像解析を改善
機械学習を用いて画像解析を改善

機械学習を用いて画像解析を改善

画像や3Dデータセットの定量的解析には、必ずセグメンテーションステップが必要です。セグメンテーションとは、画像を複数の領域に分割し、何らかの方法でそれぞれを識別する操作です。セグメンテーション完了後、各領域を解析してアクションにつながる実際のデータを取得します。領域には、個別の粒子や介在物、孔、また様々な相や層等の確認が必要な対象物が含まれます。

セグメンテーションが難しい領域の例

  • 色やコントラストが似ている領域
  • テクスチャだけが異なる領域
  • 紛らわしいアーティファクトやスクラッチ
  • 3Dデータセットのノイズにより、セグメンテーションの正確性が損なわれる場合
  • マルチチャンネル(RGBまたはそれ以上)画像の解析が複雑な場合
ZEISS ZEN Intellesisは、ガイド付き機械学習を用いてこのようなセグメンテーションの問題に対処しています。
ZEISS ZEN Intellesisは、ガイド付き機械学習を用いてこのようなセグメンテーションの問題に対処しています。

ZEISS ZEN Intellesisは、ガイド付き機械学習を用いてこのようなセグメンテーションの問題に対処しています。シンプルなグラフィックワークフローを採用したZEISS ZEN Intellesisは、ユーザーから提供されたトレーニング用入力データを使用して、30を超える各種パラメータを用いて一つひとつピクセルを評価し、正しいカテゴリーに割り当てます。このプロセスを反復することで、機械学習モデルをトレーニングし、検出能力と正確性を向上させます。その後、機械学習がデータセット全体に自動で適用されて、数百の画像や3Dデータセットが分析可能なフォーマットにセグメンテーションされます。機械学習についての知識や経験がないユーザーでも、ZEISS ZEN Intellesisを使えば日々のタスクにAIのパワーを活用することができます。

ZEISS Microscopyへのお問い合わせ

お問い合わせ先

フォームを読み込み中…

/ 4
次のステップ:
  • ステップ1
  • ステップ2
  • ステップ3
お問い合わせ
必須入力項目
任意入力項目

ZEISSでのデータ処理の詳細につきましては、データプライバシーに関するお知らせをご覧ください