Development of artificial neural networks to analyze micrographs of zirconium-based alloys and hydrides for nuclear power applications

核电提供了安大略省60%的电力。这种能源是无碳的，对环境的影响很小。为了确保反应堆的安全、可靠和经济运行，我们对制造反应堆的结构材料进行定期检查。值得注意的是，当流经反应堆的中子击中由锆合金制成的压力管时，它们会将原子移出正常位置，产生在其他条件下没有观察到的纳米级微结构。此外，由于热压力管与水接触，它们往往会吸收氢气，形成氢化锆，这也会改变材料的机械性能。表征辐射诱导的微结构和氢化物需要非常高分辨率的仪器，包括具有几个纳米(即几个原子宽)分辨率的透射式电子显微镜。然而，分析这些仪器产生的显微图像是一项乏味、耗时的任务。目前，加拿大核实验室(CNL)为其客户(包括加拿大公用事业公司)提供这种描述。熟练的科学家花费了无数个小时艰苦地手动分析这些图像，因为这些图像往往太过嘈杂，标准的图像滤镜没有多大帮助。这一联盟的工业合作伙伴关系旨在开发神经网络，以在很大程度上实现图像分析的自动化，并让科学家专注于解决材料科学领域的其他重要挑战。#(Cr)#(Lf)60%de L‘électrutéonantarenne Est Producite Pas Ses Centrales Nucléaire。我叫S，没有碳素任务，也没有像S这样的小型环保企业。在保险公司，S和S的合作伙伴，可预见的和经济的，材料和作曲家的声音检查S。不污染，不污染，不再是中子粒子和S的伙伴关系，而是碰撞和碰撞，S和锆的联盟。L的同盟军拥有纳米结构的纳米结构，而不是正常的纳米结构。L‘eau，积累了大量的离子液体L的水，形成了锆石的形式，修饰了S的材料。Caractériser Les纳米结构行业生产辐射和水处理设备及仪器，包括透射式电子显微镜、一次性纳米级解决方案、纳米级原子等。首先，L对显微照片进行了分析，这是一种很容易、很活跃、很容易发生的事情。加拿大核工业公司(LNC)是一家加拿大制造企业。S从科学的角度分析了图像的来源，包括传统的色彩浓郁的电影和功能强大的S式的电影，以及流行的影视作品。Ce Partentrial Industries CRSNG-Alliance viseàmettre sur un réseau de nréseau de Neurons artifiel spansuer un analyatisée de ce图像自动分析。从科学到工业，再到科学与技术的结合，S代表L的工业核心国。

Nuclear power provides 60% of Ontario's electricity. This energy source is carbon-free and has a small environment footprint. In order to ensure safe, reliable, and economical operation of our reactors, the structural materials of which they are made are regularly inspected. Notably, as the neutrons flowing through the reactor hit the pressure tubes made of zirconium alloys, they displace atoms out of their normal positions, creating nanoscale microstructure that is not observed in other conditions. Also, since the hot pressure tubes are in contact with water, they tend to pick-up hydrogen, and form zirconium hydrides, which also changes the material's mechanical properties. Characterizing radiation-induced microstructures and hydrides necessitates very high resolution instruments, including transmission electron microscopes, which have a resolution of a couple of nanometers (i.e. a few atoms wide). However, analyzing the micrographs produced by these instruments is a tedious, time-consuming task. Currently, the Canadian Nuclear Laboratories (CNL) perform this characterization for the benefit of its clients, including Canadian utilities. Skilled scientists spend countless hours painstakingly analysing these images manually, since the images are often too noisy for standard image filters to be of much help. This Alliance industrial partnership aims at developing neural networks to largely automate the image analysis, and let scientist focus on solving other important challenges in the field of materials science.#(cr)#(lf)60% de l'électricité ontarienne est produite par ses centrales nucléaires. Il s'agit d'une énergie sans émissions de carbone et avec une très petite empreinte environnementale. Afin d'assurer que les réacteurs soient opérés de façon sécuritaire, fiable et économique, les matériaux qui les composent sont régulièrement inspectés. Notamment, les neutrons générés par les réacteurs rentrent en collision avec les tubes à pression composés d'alliage de zirconium. Ils déplacent les atomes de l'alliage hors-position, menant à la création de nanostructures qui ne sont pas normalement présentent dans le zirconium. Aussi, puisque ces tubes sont à haute température et exposés à l'eau, ils accumulent de l'hydrogène, qui forme des hydrures de zirconium, ce qui modifie également les propriétés mécaniques du matériau. Caractériser les nanostructures induites par la radiation et les hydrures nécessite des instruments de très fine résolution, incluant des microscopes à transmission électroniques, qui disposent d'une résolution de quelques nanomètres, soit une taille équivalente à celle de quelques atomes. Cependant, l'analyse de ces micrographies est une tâche pénible, répétitive, qui prend beaucoup de temps. Les Laboratoires Nucléaires Canadiens (LNC) caractérisent ces matériaux pour le compte de ses clients, les producteurs électriques canadiens. Des scientifiques hautement qualifiés analysent ces images à la main, puisque les filtres traditionnels ne fonctionnent pas très bien, parce que ces images sont souvent brouillées. Ce partenariat industriel CRSNG-Alliance vise à mettre sur pied un réseau de neurones artificiel pour assurer une analyse automatisée de ces images. Ainsi, ces scientifiques industriels pourront consacrer leur savoir et leurs énergies à élucider d'autres mystères de la science des matériaux utilisés par l'industrie nucléaire.