产品分类

GeoDict应用案例 · 3D图像处理分析

借助XCT(µCT)、工业CT、FIB-SEM以及同步辐射成像等技术,研究人员可以获得材料内部结构的二维切片图像。然而,要进一步定量认识纤维、颗粒、孔隙、粘结剂等组分,并分析其对渗透率、过滤性能、力学性能或导电性能的影响,还需要完成图像导入、降噪、分割、三维重建、结构表征和数值模拟等一系列工作。通过GeoDict,材料研发人员可以在统一的数字环境中完成“扫描—处理—分割—分析—模拟—优化”的全过程,将复杂的三维微观结构转化为可量化、可验证和可用于工程决策的数字材料模型。

产品详情

GeoDict应用——3D图像处理分析(IPIA)

从二维扫描图像到三维数字材料孪生

材料的宏观性能往往由其微观结构决定。借助X射线微米计算机断层扫描(µCT)、工业CT、聚焦离子束—扫描电子显微镜(FIB-SEM)以及同步辐射成像等技术,研究人员可以获得材料内部结构的二维切片图像。然而,要进一步定量认识纤维、颗粒、孔隙、粘结剂等组分,并分析其对渗透率、过滤性能、力学性能或导电性能的影响,还需要完成图像导入、降噪、分割、三维重建、结构表征和数值模拟等一系列工作。

GeoDict为这一过程提供了统一的数字化工作环境,可将µCT、CT、FIB-SEM或同步辐射扫描数据转化为真实材料微观结构的三维体素模型,即数字材料孪生,并在同一模型基础上开展几何分析、物理性能预测和材料优化。

查看GeoDict 3D图像处理与图像分析官方页面:https://www.math2market.com/geodict-software/geodict-applications/3d-image-processing-and-image-analysis.html

一体化的3D图像处理与分析流程

1. 图像数据导入与预处理

GeoDict的ImportGeo-Vol模块面向二维和三维图像数据,可处理µCT、CT、FIB-SEM及同步辐射扫描结果,提供图像处理、图像分析和材料相分割工具。对于CAD模型,ImportGeo-CAD可将几何模型转换为三维体素结构,以便在GeoDict中继续开展分析和模拟。

在实际工作中,用户可以对灰度图像进行滤波和质量改善,识别不同材料相,并将连续的二维切片重建为三维结构。完成分割后,孔隙、纤维、颗粒、粘结剂和基体等组分可被分别标记,为后续定量分析提供基础。

2. 微观结构定量表征

GeoDict材料分析模块以三维图像或三维数字模型为基础,可计算固体、粘结剂和孔隙等不同材料相所占比例,并进一步获得直径、体积、取向、曲率、球形度及空间分布等参数。

主要分析工具包括:

  • FiberFind:利用经过训练的神经网络识别纤维与粘结剂,计算纤维直径、取向和曲率;
  • GrainFind:识别颗粒与孔隙,计算颗粒体积、粒径分布和球形度;
  • PoroDict:识别并分析多孔材料三维模型中的孔隙空间;
  • MatDict:计算多孔介质及复合材料中的固体组分。

对于结构复杂、传统阈值方法难以准确处理的图像,GeoDict还可利用已有训练数据或用户自行标注的数据训练神经网络,对复杂材料结构进行自动化表征。分析所得三维模型还可与流动、过滤、力学、导热或导电模拟模块结合,计算渗透率、流速、有效弹性系数等物理性能。

典型应用案例

(一)锂离子电池正极FIB-SEM图像分割

FIB-SEM能够获得锂离子电池正极材料纳米尺度的连续切片图像,但未经过浸渍处理的样品容易出现“透视”到孔隙后方结构的问题;离子束切削不同强度材料时,还可能形成帘幕状伪影。这些因素使全局阈值法或基于分水岭的传统方法难以准确区分活性材料、粘结剂和孔隙。

GeoDict案例对比了三种可由非专业机器学习用户实施的分割方案:

  1. Boosted Tree分类方法
    训练速度较快,所需人工标注数据较少,并且不要求使用GPU。其颗粒与孔隙分割效果良好,但对部分粘结剂区域的识别仍可能出现误差。
  2. 二维U-Net
    在帘幕伪影明显的区域表现优于Boosted Tree,对粘结剂的分割也有所改善;但由于逐切片处理,相邻Z方向切片之间可能出现不连续。
  3. 三维U-Net
    利用三维上下文信息处理连续体数据,在颗粒识别方面与二维U-Net相近,但对粘结剂相的识别更稳定,并可避免逐切片分割造成的不连续。

该案例说明,现代机器学习和深度学习方法能够提高FIB-SEM图像分割质量,为后续电极孔隙结构分析和数值模拟提供更可靠的三维模型。需要注意的是,这类方法仍需要人工标注训练数据,标注质量会直接影响最终结果。

阅读案例:锂离子电池正极FIB-SEM图像分割方法 https://www.math2market.com/geodict-aplications/segmentation-methods-for-fib-sem-images-of-li-ion-cathodes.html

(二)长纤维增强热塑性复合材料分析

在长纤维增强热塑性材料中,注塑流动会影响纤维取向和纤维长度,并形成具有表层和芯层特征的复杂层状结构。GeoDict案例分析了一种玻璃纤维增强聚丙烯试样的µCT扫描数据,完整流程包括图像导入与分割、单根纤维识别、孔隙分析以及刚度预测。

灰度图像经过非局部均值滤波后完成分割,得到的模型尺寸为1500×1500×800体素;分析结果显示纤维体积分数约为13.2%,孔隙率约为1.3%。FiberFind通过自训练神经网络识别单根纤维,并获得纤维直径和取向信息,结果呈现出注塑材料典型的三层取向结构。PoroDict则利用分水岭算法识别孔隙,计算其形状、尺寸和位置。

在力学性能分析中,GeoDict通过集成的FeelMath体素求解器预测材料刚度。包含孔隙时的弹性模量为5.80 GPa,将孔隙替换为聚丙烯后的弹性模量为5.88 GPa。两者差异较小,案例分析认为,这是因为较大的孔隙主要分布在纤维取向较弱的芯层,对主方向弹性模量的影响有限。

阅读案例:长纤维增强热塑性材料的纤维、孔隙与力学性能分析 https://www.math2market.com/geodict-software/geodict-applications/analysis-of-a-long-fiber-reinforced-thermoplastic.html

(三)防护口罩滤材的设计、模拟与优化

过滤效率、压降和材料消耗与滤材的纳米及微米结构密切相关。GeoDict防护口罩案例以双层外科口罩滤材为对象,使用分辨率为400 nm的纳米CT进行扫描,并通过ImportGeo-Vol导入、处理和分割扫描图像。

随后,FiberFind用于分析纤维直径、纤维取向和卷曲程度;FilterDict用于模拟滤材的初始压降、过滤效率及使用寿命。模拟结果与德国海尔布隆应用技术大学的实验结果进行对比验证。在优化阶段,研究人员针对承担主要过滤作用、同时产生大部分压降的细纤维层,建立并计算了大量三维数字原型。

借助GeoPy及Python脚本,可以自动改变结构参数并批量运行模拟,从而筛选过滤效率较高、压降较低且材料用量更经济的设计方案。该数字化流程能够在制造实体样品之前比较多种设计,缩短滤材研发和优化过程。

阅读案例:防护口罩滤材的设计、建模、模拟与优化 https://www.math2market.com/geodict-software/geodict-applications/simulation-of-filter-media-protective-face-masks.html

(四)铝泡沫原位CT分析与压缩模拟

泡沫材料在受压过程中会同时发生支柱屈曲、塑性变形等多种现象,单纯依靠传统压缩试验难以完整观察内部结构变化。Math2Market与Tescan合作,对开孔铝泡沫开展原位CT压缩实验,并将实验结果与GeoDict模拟进行比较。

案例中的泡沫材料为Al 99.7开孔铝泡沫,估算孔径约为2.5 mm、孔隙率约为95%。扫描图像在GeoDict中完成导入和分割后,PoroDict通过分水岭算法识别单个孔隙。整个压缩实验共获得90组三维CT扫描数据,分割后的连续图像可用于观察泡沫结构随载荷变化的过程。

力学模拟使用ElastoDict及FFT体素求解器FeelMath,可直接基于CT体素模型进行计算,无需生成有限元网格。除加载初期受实验装置沉降和位移测量方式影响而产生一定差异外,实验与模拟所得应力—应变曲线整体吻合良好。案例表明,原位CT与数字模拟并非相互替代,而是能够相互验证并共同揭示泡沫材料的内部变形机制。

在进一步的数字孪生工作中,GeoDict根据实测孔径分布和孔隙率建立统计等效的泡沫模型,并改变支柱直径和固体体积分数,研究其对渗透率、电导率及刚度的影响。这种方法使用户能够在不制造全部实体样品的情况下开展数字参数研究。

阅读案例:铝泡沫压缩实验与GeoDict模拟对比 https://www.math2market.com/geodict-software/geodict-applications/compression-of-an-aluminum-foam.html

延伸阅读:从CT扫描到铝泡沫数字孪生 https://www.math2market.com/geodict-aplications/digital-twin-of-an-aluminum-foam.html

GeoDict 3D图像处理分析的应用价值

GeoDict将实验成像、数字结构分析与材料性能模拟连接在同一工作流程中,使研究人员能够:

  • 将µCT、CT、FIB-SEM或同步辐射扫描数据转化为三维体素模型;
  • 对纤维、颗粒、孔隙、粘结剂和基体进行定量识别;
  • 利用神经网络处理传统阈值法难以准确分割的复杂图像;
  • 直接基于真实微观结构计算过滤、流动、力学、导热和导电等性能;
  • 建立统计数字孪生并开展自动化参数研究;
  • 在制造实体样品之前比较不同材料结构和设计方案。

从电池电极、纤维增强复合材料和过滤介质,到泡沫、岩石、增材制造结构及其他多孔材料,GeoDict能够帮助用户把扫描图像转化为可测量、可计算和可优化的数字材料模型。

相关文献与阅读资料

  1. Trainable Weka Segmentation: a Machine Learning Tool for Microscopy Pixel Classification
    I. Arganda-Carreras等,介绍基于有限人工标注训练像素分类器的显微图像分割方法。
    DOI阅读页面:https://doi.org/10.1093/bioinformatics/btx180 | PDF全文:https://academic.oup.com/bioinformatics/article-pdf/33/15/2424/50756583/btx180.pdf
  2. XGBoost: A Scalable Tree Boosting System
    T. Chen、C. Guestrin,介绍可扩展树提升系统XGBoost,是案例中Boosted Tree分类方法的重要基础文献。
    在线阅读:https://arxiv.org/abs/1603.02754 | PDF下载:https://arxiv.org/pdf/1603.02754
  3. U-Net: Convolutional Networks for Biomedical Image Segmentation
    O. Ronneberger、P. Fischer、T. Brox,提出用于精确图像分割的U形卷积神经网络架构。
    在线阅读:https://arxiv.org/abs/1505.04597 | PDF下载:https://arxiv.org/pdf/1505.04597
  4. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
    Ö. Çiçek等,将U-Net扩展到三维体数据,可利用稀疏标注生成致密的三维分割结果。
    在线阅读:https://arxiv.org/abs/1606.06650 | PDF下载:https://arxiv.org/pdf/1606.06650
  5. Geometric and Mechanical Modeling of Fiber-Reinforced Composites
    H. Andrä等,介绍纤维增强复合材料从图像分析、几何建模到力学建模的完整研究链。
    出版商阅读页面:https://link.springer.com/chapter/10.1007/978-3-319-48123-4_6
  6. Identification of Fiber Characteristics of a Filter Media Based on Artificial Intelligence (AI) with GeoDict
    A. Grießer等,介绍利用人工智能和GeoDict识别滤材纤维特征的方法。
    Math2Market技术报告PDF:https://www.math2market.com/fileadmin/Showroom/03-MediaHub/TechReports/M2M-2020-01_TechReport_Math2Market.pdf
  7. Computational Fluid Dynamics-Based Optimization of Face Mask Filter Media Using Micro-Computed Tomography Scans
    S. Berger等,利用微米CT数据及计算流体力学方法研究和优化口罩滤材的过滤效率、压降与材料用量。
    论文PDF:https://onlinelibrary.wiley.com/doi/pdfdirect/10.1002/ceat.202200460
  8. Design, Development and Optimization of Filter Media for Protective Face Masks—Validation Study with GeoDict
    Math2Market与海尔布隆应用技术大学开展的口罩滤材实验验证与数字优化研究。
    验证研究PDF:https://www.math2market.com/fileadmin/Showroom/03-MediaHub/CaseStudies/2024-03_GeoDict-ValidationStudy_Filtration-FaceMaskDevelopment.pdf

结语

通过GeoDict,材料研发人员可以在统一的数字环境中完成“扫描—处理—分割—分析—模拟—优化”的全过程,将复杂的三维微观结构转化为可量化、可验证和可用于工程决策的数字材料模型。欢迎联系覃思科技,进一步了解GeoDict在三维图像处理、材料结构分析和数字材料研发中的应用方案。

 

具有钢结构工程专业承包二级资质、建筑工程施工总承包贰级资质;公司主营产品包括重钢、轻钢、网架及檩条、彩钢板等钢结构产品;近年来,公司承接了国内外大型结构件、桥梁、车库、标准化厂房等具有较大影响力的一系列项目;产品远销白俄罗斯、赞比亚、印尼等国家,得到了一致好评。

关键词: GeoDict应用案例 · 3D图像处理分析

相关产品

产品咨询

%{tishi_zhanwei}%