Deep learning-driven microstructural image analysis: recent advances in cementitious materials

Lan-Ping Qian

doi:10.1016/j.jobe.2026.115845

Deep learning-driven microstructural image analysis: recent advances in cementitious materials

2026-03-16

0

PRE

AI

DOI：10.1016/j.jobe.2026.115845

原文链接

原文求助

摘要

En 中文

胶凝材料具有复杂的、非均质微观结构，这些结构决定了其宏观性能。传统方法如手动分割效率低下且往往主观性强。相比之下，深度学习通过自动化特征提取提供了变革性的方法。本文综述系统地总结了将深度学习应用于胶凝材料微观图像分析的最新进展，涵盖了图像采集、预处理、代表性模型和多样化应用。这些应用包括精确图像分割、相识别、水化反应的定量分析、直接从图像预测性能以及从二维数据重建三维（3D）结构。所评述的研究表明，深度学习能够实现多相结构自动化、高精度的分割与量化，并建立了一种新颖且高效的范式，直接从图像预测宏观力学性能，从而将微观结构与性能联系起来。此外，生成模型为获取高保真度三维微观结构提供了经济有效的替代方案，克服了实验成像的局限性。未来的工作应聚焦于构建标准化的多模态数据集、开发具有物理可解释性和泛化能力的模型、量化预测不确定性以及集成边缘计算。这些努力将促进智能材料设计中从数据驱动分析向机理理解的转变。

Keyword:

Deep learning

Microstructural image analysis

Cementitious materials

Image segmentation

3D reconstruction

Deep learning-driven microstructural image analysis: recent advances in cementitious materials

摘要

期刊

机构

引用论文