数字材料图像分析系列模块

——GeoDict 数字材料分析解决方案

跨尺度、直达纳米级的材料分析

借助 GeoDict 的图像分析（Material Analysis）模块，用户可以对材料的几何与结构特征进行精确测定与计算。分析所依据的基础是三维模型——这些模型既可以由二维或三维图像数据（如 µCT 扫描、FIB/SEM 扫描）导入并分割生成，也可以直接由 GeoDict 的材料建模（Digital Material Design）模块创建。

根据材料类型的不同，分析模块可计算固体材料（如纤维、颗粒）、粘结剂或孔隙空间所占的比例，并测定直径、取向、体积等关键几何参数。

GeoDict 中集成了以神经网络形式呈现的人工智能技术：借助已有的或用户自有的训练数据，可以训练 GeoDict 快速、精确地表征即使是非常复杂的微观结构。

将分析结果与"仿真与预测"（Simulation & Prediction）模块相结合，即可基于真实的三维模型对流速、渗透率、有效弹性系数等物理性质进行模拟与分析。

深入理解微观尺度下的材料属性，不仅有助于有针对性地（持续）开发新材料,也能对生产工艺进行评估与优化。

GeoDict 图像分析系列共包含四大核心模块：FiberFind（纤维识别）、GrainFind（颗粒识别）、PoroDict（孔隙分析）与 MatDict（固相几何分析）。以下逐一介绍。

一、FiberFind——基于人工智能的纤维识别

FiberFind 模块代表了 µCT 图像中精确目标识别的最新进展，将快速参数预测的能力与神经网络的高速计算相结合,实现对纤维和粘结剂的精准识别。该模块致力于帮助用户理解无纺布、纤维增强复合材料等纤维类材料的三维扫描数据。

在完成计算机断层扫描或 FIB/SEM 扫描的导入与分割、获得三维模型之后，FiberFind 提供三种互补的分析途径：

• 采用经典图像处理方法识别单根纤维；
• 通过 FiberFind-AI 与 BinderFind-AI 两项人工智能算法，识别单根纤维及粘结剂；
• 对纤维的统计特性进行分析，包括直径分布、取向分布和曲率分布。

主要功能

• 纤维取向分布：计算表征纤维取向的取向张量，既可在整个样本范围内进行全局分析，也可针对模型中的子区域单独分析（例如分别分析层状材料的每一层，或研究样本体积内取向的非均匀性）。取向张量可直接输入 FiberGeo 模块，用以重建具有相应取向分布的结构；取向也可按体素逐点计算并存储为三维取向场，供 ElastoDict（力学）或 ConductoDict（热传导）模块调用，用以考虑横观各向同性的材料行为。
• 曲率估计：通过提取 µCT 图像中的单根纤维，生成纤维曲率的统计直方图。
• 纤维直径估计：针对所选定数量的不同纤维类型,计算平均纤维直径及其标准差（该结果对单峰分布已经足够）；更详细的结果以直径直方图形式呈现,展示纤维直径与相应体积分数的关系。所得到的（离散或连续的）直径分布，可进一步输入 FiberGeo 模块，用于重建具有匹配分布的结构模型。
• BinderFind-AI 与 FiberFind-AI：基于神经网络训练,用以区分纤维与粘结剂,并识别出彼此分离的单根纤维。GeoDict 独有的结构生成能力（FiberGeo 模块）为神经网络训练提供了可靠的"标准答案"（ground truth）数据。

典型应用

• 材料建模：与 FiberGeo 模块协同，构建与实际样品相匹配的结构模型；
• 粘结剂含量分析：在三维扫描数据中识别并分离粘结剂与纤维，研究粘结剂含量变化对无纺布等纤维材料或颗粒材料性能的影响；
• 材料优化：在制造实物样品之前，通过仿真预测材料参数变化带来的影响，从而降低实验成本；
• 材料质量控制：在生产过程中研究纤维直径、取向与曲率的不均匀性及其与目标值的偏差。

FiberFind 尤其适用于分析由长而不含空腔、截面为圆形的纤维构成的纤维结构。经识别与分离后的结果可作为 FiberGeo 模块的输入,以重建各向同性或各向异性的纤维结构，二者协同使用，共同构成数字化纤维材料设计闭环，帮助减少所需的实验室实验数量。此外，逐体素计算得到的纤维取向场，还可用于借助 ElastoDict 和 ConductoDict 模块对具有横观各向同性性能的材料展开仿真研究。

二、GrainFind——颗粒与粘结剂识别

GrainFind 模块用于获取 µCT 扫描所得颗粒结构（如电池电极）的统计信息。其"识别颗粒"（Identify Grains）算法可为结构中的每个颗粒计算出最佳拟合形状，从而识别出单个颗粒及其空间取向。所获得的信息可一键导入 GrainGeo 模块，生成该微观结构的代表性模型，从而实现对扫描微结构统计学意义上的数字孪生进行建模与参数调整。

在 µCT 扫描图像中，粘结剂与颗粒往往具有相同的灰度值而难以区分。为此，GrainFind 开发了"识别粘结剂（AI）"模块，利用人工智能根据形状差异,将固相中的颗粒与粘结剂区分开来。目前，GeoDict 已内置可识别 NMC（三元材料）与石墨结构中粘结剂的神经网络；针对形状差异较大或粒径分布差异较大的其他颗粒体系，用户还可利用 GeoDict-AI 模块训练专属神经网络。

借助 GrainFind-AI 与 GrainGeo 的组合工作流，可以开展原本无法实现的结构仿真——例如力学变形仿真或电极充放电仿真，这些仿真往往取决于粘结剂的分布，有时还与活性材料颗粒的取向密切相关。

在完成 µCT 或 FIB-SEM 扫描的导入与分割、获得三维模型后，GrainFind 提供以下分析功能：

• 识别并分析单个颗粒：颗粒体积、表面积、表面积与体积之比、球形度（形状）、取向等；
• 计算颗粒直径分布；
• 利用人工智能识别颗粒结构中的粘结剂。

主要功能

• 颗粒识别：采用专门的分水岭算法识别单个颗粒，随后通过颗粒重连处理过度分割的颗粒；可选择去除位于模型边界上的颗粒，以避免统计结果出现系统性偏差；最后通过颗粒形状分析,将椭球体、长方体或短纤维拟合到识别出的颗粒上，从而建立颗粒的解析模型。
• 已识别颗粒的统计数据：完成颗粒识别后，可对直径、体积或表面积等参数生成直方图；直径分布、球形度等参数亦可进行三维可视化，还可按直径、体积或其他计算参数对颗粒进行排序。用户甚至可以单独可视化每个颗粒，例如仅关注最大的若干颗粒——这使得可以为小颗粒、中等颗粒和大颗粒分别赋予不同的刚度。所计算出的颗粒取向亦可用于后续的电导率研究或力学仿真；GrainFind 的分析结果还可导入 GrainGeo,用以重建该特定微观结构并对其进行改动。
• 粘结剂识别（AI）：基于神经网络训练，用以区分颗粒与粘结剂。目前已内置两个神经网络：一个用于识别石墨负极（片状颗粒结构）中的粘结剂；另一个用于识别 NMC 正极（球状颗粒结构）中的粘结剂相。

典型应用

• 电池材料：获取活性材料颗粒的统计数据,并了解电极中粘结剂的分布情况；
• 数字岩石物理：获取单个颗粒的信息及统计数据、对应的数字粒径分布，深入理解岩石微观结构；
• 过滤：表征粘结剂与过滤颗粒；
• 复合材料：检测并表征复合材料中不需要的颗粒状杂质；
• 质量控制：检测并表征复合材料中的粘结剂及不需要的颗粒状杂质。

GrainFind 的颗粒识别过程完全自动化，算法的复杂性被隐藏在"幕后"；同时，为确保对用户的最大透明度，算法的技术细节均在用户手册中详细说明。

三、PoroDict——孔隙空间特征分析

理解多孔材料的孔隙空间，对于优化其在过滤、储能、催化及材料科学等关键领域中的性能至关重要。PoroDict 模块与 MatDict 模块相结合,正是为多孔介质的全面表征与分析提供了强大的解决方案。

PoroDict 可从 CT、µCT 或 FIB/SEM 数据，或由 GeoDict 生成的结构中提取关键孔隙结构特征，从而对孔隙率、连通性及传输性能进行精确评估。这种以数据为驱动的理解方式，帮助研究人员与工程师有针对性地改进材料在特定应用中的性能。

PoroDict 正在为学术研究与工业应用开辟新的可能性：

• 在电池技术领域，它能揭示电极复杂孔隙结构的关键信息——这些信息直接关系到储能能力与使用寿命；
• 在燃料电池研发领域，它通过量化相关传输特性，助力气体扩散层（GDL）的分析，是提升效率的重要手段；
• 在地质科学领域，该模块可用于评估砂岩的几何结构，这对油气藏的勘探与评价至关重要；
• 在过滤领域，它可分析机织与非织造介质的孔隙及传输特性，为滤材设计创新奠定基础。

主要功能

• 几何孔径分布：通过在孔隙体积中拟合球体来表征孔隙半径，这是一种纯几何方法，不区分通孔、闭孔与盲孔。
• 压汞法孔径分布（Porosimetry）：与压汞法（MIP）或液体挤出法（LEP）等实验孔隙度测定方法相对应，计算被压入介质中的非润湿流体体积，其方法与几何孔径分布类似，但同时考虑了与入口侧的连通性及闭孔的影响。
• 孔隙识别：借助分水岭算法对孔隙空间进行分割，进而确定孔隙的数量与空间分布，并分析球形度、体积、直径、取向、表面积及接触面积等多项孔隙属性。
• 开孔与闭孔孔隙率：计算开孔与闭孔的数量及体积。开孔从材料表面一直延伸至内部，形成广泛的互联孔隙网络；闭孔（孤立孔）则不与任何方向的表面相通。
• 泡点压力：基于最大通孔及 Young-Laplace 方程计算泡点压力，同时提供详细的孔喉分析，包括孔喉面积、孔喉周长与水力直径。
• 渗流路径：计算可穿越介质的球形颗粒的最大直径，并确定相应的最短路径。用户还可计算特殊情形，例如五个最大孔隙（及其最短路径），或给定直径下的八条最短路径；球体沿这些路径的运动过程可进行显示与动画演示。
• 弦长分布（CLD）：可用于对多孔介质几何结构进行精确比较。与传统孔径分布（PSD）方法不同，CLD 尤其适用于难以直接测量 PSD 的二维截面数据；通过分析贯穿孔隙空间的弦长（线性片段），可深入了解孔隙的连通性、各向异性与非均匀性。
• 测地迂曲度（Geodesic Tortuosity）：通过测量介质中最短实际路径与直线距离之比，量化多孔材料中传输路径的复杂程度，有助于评估流体流动、扩散与连通性，从而评价渗透率与传输效率——迂曲度越高，说明路径越曲折，越不利于流动与扩散。

此外，PoroDict 还内置两款强大的多孔材料自动化分析 GeoApp：

• Compute Tortuosity：基于多种几何、物理及混合方法计算材料迂曲度；
• ASTM Calculation Factor：依照 ASTM E3278-21 标准，对机织金属丝滤布的泡点压力测试方法进行仿真。

值得一提的是,PoroDict 已被 ASTM 国际标准（机织金属丝滤布规格与测试程序标准）采纳并推荐使用。

四、MatDict——固相几何属性计算

在过滤、储能、催化及新材料开发等领域，材料的微观结构往往决定了成败。而对于多孔介质中的固相，我们又了解多少呢？

MatDict 是一款专门的分析模块，用于提取并量化固相的关键几何属性，包括材料厚度、非均匀性、颗粒尺寸分布、表面积及连通性等。

其基础数据可来自 CT、µCT、FIB/SEM 扫描获得的高分辨率三维模型，也可以是由 GeoDict 生成的几何结构；由此得到的结果，是对材料力学强度、使用寿命及功能效率具有重要影响的结构参数的可靠评估。

常见应用领域

• 电池电极：获取结构层面的洞察，以提升电池能量密度与使用寿命；
• 燃料电池：分析气体扩散层，以提高系统效率；
• 储层分析：对复杂砂岩及其他储层岩石进行可靠评估；
• 滤材：优化机织物与无纺布，用于高性能过滤系统及技术纺织品。

MatDict 能够帮助用户深入洞察材料本质，无论是设计新材料还是优化现有材料，都能更快、更有把握地做出明智决策。

主要功能

• 结构信息：计算孔隙率、密度、克重及材料分数等基础材料属性，并在三个空间方向上分别进行计算，从而全面呈现材料特性。
• 厚度估计：精确的厚度估计对于表征材料微观结构及理解其对性能的影响至关重要。先进的成像技术结合计算分析，可实现对样品厚度变化的精确测绘，不仅为质量控制提供了有价值的信息，也通过将厚度与力学强度、热学行为等属性相关联，指导材料设计。
• 二维密度图：通过计算克重、固体体积分数（SVF）及物体数量在特定方向截面上的分布，分析材料的空间非均匀性；图中每个像素代表沿指定方向的属性平均值，可揭示材料内部诸如云斑（cloudiness）等变化情况。
• 三维非均匀性分析：将结构划分为若干子体积，计算固体体积分数或材料分数的直方图,从而清晰呈现材料内部的空间变化。
• 固相尺寸分布：通过在固相中拟合球体来表征固体材料的尺寸分布，这是一种纯几何方法，不区分材料中的单个物体/颗粒（单个颗粒可借助 GrainFind 模块识别）。
• 连通区域计算：区分微观结构中彼此分离的区域，凸显连通性与孤立性，这对理解渗流、传输行为及结构完整性、优化材料性能至关重要。
• 渗流路径：计算可穿越固相介质的球形颗粒的最大直径,并确定其最短路径；同样支持计算五个最大路径直径及其最短路径,或给定路径直径下的八条最短路径，并可对球体运动过程进行可视化与动画展示。
• 表面积估算：量化关键物理与化学过程发生的总界面区域，对表征材料微观结构至关重要，可揭示反应位点、扩散路径及界面相互作用等关键信息，帮助研究人员预测并优化材料在催化、吸附及储能等应用中的表现。
• 三相接触线估算：识别三种不同相汇聚的区域,为理解润湿动力学、毛细作用力及界面反应性提供有价值的洞察，这对优化乳化、催化及能量转换等过程至关重要。
• 闵可夫斯基参数（Minkowski Parameters）：提供了一种量化复杂微观结构几何与拓扑特征的稳健方法。通过计算体积、表面积、曲率及连通性等参数,研究人员能够客观描述那些仅凭视觉观察难以表征的特征，这类定量洞察对于建立微观结构特征与材料性能之间的关联至关重要。
• GAD 对象取向：用于计算给定对象类型的取向张量，可用于检验所有 GeoDict 创建几何体（包括由 GrainGeo 或 FiberGeo 生成的几何体）的取向。
• 弦长分布（CLD）：可对复杂介质几何结构进行精确比较。与传统尺寸分布方法不同，CLD 尤其适用于难以直接测量尺寸的二维截面；通过分析贯穿固相的弦长,可深入了解固相的连通性、各向异性与非均匀性。
• 测地迂曲度：通过测量介质中最短实际路径与直线距离之比,量化复杂材料几何结构中传输路径的复杂程度,有助于评估电导率、扩散及连通性,从而评价有效电导率与传输效率——迂曲度越高,说明路径越曲折，越不利于传输。
• 二点相关函数：通过量化相隔特定距离的两点属于同一相的概率，为材料微观结构提供简洁的统计描述,该指标能有效捕捉重要的空间模式,有助于预测材料性能并指导材料设计优化。
• 对象分析：提供一整套功能，用于基于对象信息计算材料模型的各类属性、分布与统计数据，涵盖 GeoDict 自身生成的数据分析信息，以及借助 GrainFind、FiberFind 等模块对 CT 扫描数据分析所得的数据。这些分析可得出接触面积直方图、配位数等结果，深入揭示材料内部的相互作用与连通性。
• 欧几里得距离变换（EDT）：对于精确表征复杂材料的微观结构至关重要，可计算孔隙空间中任意一点到最近固体边界的最短距离，从而提供局部孔径的空间分布图。
• 骨架化（Skeletonizer）：计算材料的骨架结构，为复杂几何形状提供简化表示，并保留连通性与拓扑等关键特征。
• 计算分形维数（GeoApp）：借助盒计数算法，计算复杂结构的分形维数。

结语

FiberFind、GrainFind、PoroDict 与 MatDict 四大模块，共同构成了 GeoDict 数字材料图像分析的核心能力体系：从纤维、颗粒到孔隙与固相，从几何统计到人工智能识别，帮助用户在微观尺度上全面理解材料结构。结合"材料建模"与"仿真与预测"模块，用户可以在虚拟环境中重建真实材料的数字孪生，模拟其物理性能，从而更有针对性地开发新材料、优化生产工艺。

如您希望进一步了解 GeoDict 图像分析模块的详细功能以及GeoDict软件试用申请，欢迎联系覃思科技，我们的专家团队将竭诚为您提供支持。