双相钢中利用Genus_3D观察到的三维微观结构与GAN算法生成的三维微观结构的对比研究

在基于深度学习的算法中，生成对抗网络能够生成与输入图像相似的图像。利用这种算法，可以从二维图像中重现人工的三维（3D）微观结构。尽管生成的三维微观结构具有相似的外观，但其可重复性仍需进行检验，以用于实际应用。本研究使用了全自动逐层切片成像系统（Genus_3D），来比较由三个正交表面图像生成的两种双相钢的三维微观结构与其对应观察到的三维微观结构。

本期研究流程图

双相钢试样的化学成分

Genus_3D观察的双相钢三维微观结构：（a）三个相互垂直表面的相图；（b）马氏体相的三维分布

（其中相连的团块根据颜色进行分类）

SliceGAN 算法：生成的双相钢的三维结构：（a）三个相互垂直表面的相图；（b）马氏体相的三维分布

（其中相连的团块根据颜色进行分类）

Genus_3D观察和SliceGAN 算法生成的三维结构中，马氏体相的体积分数

通过对代表性体积元素的有限元分析，SliceGAN 算法能够以较少的工作量提供三维微观结构。然而，它无法准确重现马氏体/铁素体相的体积分数。还需要用实验性设备（例如Genus_3D）的三维观察来表征微观形态。

参考文献：