Análisis automático de micrografías SEM mediante aprendizaje profundo

• Autor(a) principal: Toscano,Iker
• Data de Publicação: 2023
• Outros Autores: Bravo,Diego Alejandro Morales, De-la-Torre,Miguel, Juárez,Brenda Acevedo, Mireles,Gabriel Alberto García
• Tipo de documento: Artigo
• Idioma: spa
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100
• topic: aprendizaje profundo; micrografías SEM; CaCO3; nanopartículas; redes neuronales convolucionales

Resumen El microscopio electrónico de barrido (SEM) es comúnmente utilizado para analizar nanopartículas de distintos materiales y mejorar métodos de fabricación, sistemas de purificación, mejoras en la industria médica, entre otras. En este artículo, se presenta un mapeo sistemático de la literatura referente al uso de técnicas de aprendizaje profundo (AP) para la detección y clasificación de nanopartículas contenidas en micrografías SEM. Los resultados reflejan que las redes neuronales convolucionales (CNN) son las técnicas más utilizadas para analizar micrografías, obteniendo una alta precisión en los proyectos realizados en las publicaciones revisadas. Como prueba de concepto, se presentan ejemplos del uso de los enfoques más comunes en micrografías SEM de CaCO3, incluyendo el uso de herramientas como OpenAI. Los resultados revelan ventajas y retos que se presentan al utilizar técnicas de aprendizaje profundo en el análisis de micrografías SEM.