강철 미세조직 분류용 공개 데이터셋

미세조직 분석을 위한 견고한 머신러닝 워크플로우를 구축하려면 이미징 파이프라인에서 발생하는 분산을 체계적으로 포착하는 데이터셋이 필수적입니다. 기존 연구들은 주로 분류 성능에 최적화된 동질적 데이터셋에 의존하지만, 이는 실제 환경의 분산을 반영하지 못합니다. 본 연구는 담금질 및 담금질-템퍼링된 저탄소강의 베이나이트 및 마르텐사이트 미세조직을 담은 5,327개의 주석 처리된 현미경 이미지 패치로 구성된 공개 데이터셋을 제시합니다. 이 데이터셋은 세 가지 다른 광학 현미경과 두 가지 배율(20x, 50x)에서 의도적으로 다양한 조건으로 획득되었습니다. 동일한 관심 영역을 모든 플랫폼에서 촬영하고 이미지 정합을 통해 정렬하여, 기기 및 배율 간 픽셀 단위 정렬을 통한 최적의 비교 가능성을 확보했습니다. 이러한 상관 관계 구조는 교차 기기 및 교차 배율 도메인 일반화에 대한 체계적인 연구에 적합합니다. 이 데이터셋을 활용하여 현미경 양식으로 인한 도메인 이동이 심층 컨볼루션 신경망의 분류 성능에 미치는 영향을 분석했습니다. 전체 데이터셋으로 훈련된 일반 모델은 거의 완벽한 분류(F1 점수 99.91%)를 달성하여, 충분한 데이터 커버리지가 제공될 때 현대 딥러닝이 이미징으로 인한 모든 분산을 처리할 수 있음을 입증했습니다. 교차 도메인 실험 결과, 일반화는 모델 아키텍처나 공칭 배율보다는 입력 표현의 물리적 충실도와 훈련 데이터 내 이미징 유발 분산의 커버리지에 의해 주로 결정됨을 확인했습니다. 해상도 간극을 메우는 방향이 정보 밀도 자체보다 더 결정적이었습니다. 이 데이터셋은 복잡한 강철 미세조직 분류를 위한 머신러닝 모델 개발 및 벤치마킹에 중요한 자원이 될 것입니다.