Segmentazione Semantica di Cavità in Immagini all'Elettroscopio Elettronico usando Mask R-CNNs

The analysis of the conditions of materials is a key element for granting safety and stability in several environments. In particular, localizing cavities in materials, for instance metals exposed to extreme conditions, helps to prevent greater damages. In this thesis, various analysis methods are presented by scanning images of metals using neural networks, using mask R-CNNs, that is Mask Region-based Convolutional Neural Networks. This neural network architecture is exploited to perform a semantic segmentation of the electronic microscopy images; the segmentation unveils the cavities.

L'analisi delle condizioni dei materiali è una parte fondamentale per garantire sicurezza e stabilità in molteplici ambiti della vita. In particolare, localizzare cavità in materiali, come dei metalli esposti a condizioni estreme, aiuta a prevenire danni maggiori. In questo elaborato vengono esposti metodi di analisi di immagini di metalli usando reti neurali, in particolare usando mask R-CNNs, ovvero Mask Region-based Convolutional Neural Networks. Questa tipologia di rete neurale viene utilizzata per eseguire la segmentazione semantica delle immagini prese al microscopio elettronico; la segmentazione serve proprio per individuare le cavità.