Количественная оценка пористости с закрытыми порами в керамических композитах низкой плотности с использованием X

Научные отчеты, том 13, Номер статьи: 127 (2023) Цитировать эту статью

940 Доступов

11 Альтметрика

Подробности о метриках

Рентгеновская микротомография — проверенный инструмент для фракционного анализа многофазных систем при условии, что каждая фаза адекватно разделена с помощью некоторых средств обработки данных. Что касается пористости в материалах, содержащих керамические фазы с низкой плотностью, дифференциация между порами и фазами с низкой плотностью может быть трудноразрешимой из-за низкого рассеяния в фазе с низкой плотностью, особенно если небольшие поры требуют низкого биннинга. Мы представляем новую комбинированную методологию точного анализа пористости, несмотря на эти недостатки. Предлагается трехэтапный процесс, состоящий из (1) усиления сигнала/шума с использованием нелокальных средств шумоподавления, (2) фазовой сегментации с использованием сверточной нейронной сети и (3) количественного анализа полученных трехмерных показателей пор. Эта конкретная комбинация шумоподавления и сегментации устойчива к фрагментации общих алгоритмов сегментации, избегая при этом волевых аспектов выбора модели, связанных с подгонкой гистограммы. Обсуждается процедура, применяемая к трехфазным композитам SiC–TiC–алмаз, полученным методом реактивно-искрового плазменного спекания с диапазоном пористости 2–9 об.%.

Пористость в керамике – это всегда неизбежная истина. Независимо от того, является ли пористость целенаправленной или естественным результатом неполного уплотнения, она напрямую коррелирует со снижением механических свойств, теплопроводности и электропроводности, среди многих других факторов. Напротив, многие приложения напрямую полагаются на характеристики, вызванные пористостью, такие как акустическое/микроволновое поглощение1,2,3,4, пористость как поверхность роста3,5, фиксация потока, опосредованная пористостью, в высокотемпературных сверхпроводниках6,7 или теплоизоляторах8,9. . Независимо от происхождения, характеристика пористости является сложной задачей. Базовая характеристика пористости обычно достигается с помощью доступных методов микроскопии, таких как оптическая или электронная микроскопия. Однако трехмерные эффекты, такие как извилистость, форма, анизотропия и общая связанность, невозможно наблюдать с помощью оптической/электронной микроскопии, для которой точная количественная оценка невозможна. Методы газовой адсорбции, например, основанные на теории Брунауэра-Эммета-Теллера (БЭТ), гораздо более точны; однако локальное понимание упущено, а пористость с закрытыми порами плохо охарактеризована методами БЭТ.

Рентгеновская микротомография (XRM) становится все более распространенной для анализа пористости керамики10,11,12,13. Успех XRM в этом отношении основан на благоприятном поле зрения (числовая статистика), локализации и безразличии к просачиванию пор. Сложности связаны с достижимым динамическим диапазоном размера обнаруживаемых объектов и изменчивостью отношения сигнал/шум (SNR). Границы динамического диапазона определяются размерами детектора (прибора с зарядовой связью), эффективным размером пикселя и увеличением объектива; SNR зависит от биннинга, времени экспозиции и плотности/толщины материала. Для пористых микроструктур, в которых преобладают фазы низкой плотности, соотношение сигнал/шум имеет решающее значение для получения жизнеспособных результатов сегментации. Обычные стратегии сегментации, такие как определение порога или водораздела, могут быть чрезмерно чувствительными к шуму, вызывая многочисленные ложные срабатывания, если SNR достаточно низкое. В результате снижение шума является распространенным шагом, предпринимаемым для смягчения последствий плохого отношения сигнал/шум во всех видах томограмм. Однако все алгоритмы шумоподавления имеют тенденцию подавлять (в разной степени) более высокие пространственные частоты, которые решающим образом влияют на «резкость» изображения или сохранение краев. В сфере медицины и обработки изображений это стимулировало значительную активность в поиске новых алгоритмов шумоподавления, демонстрирующих скорость, сохранение границ, доступность (т. е. настройку параметров) и масштабируемость14,15. Нелокальные средние (NLM) — один из таких фильтров, эффективный как для шумоподавления, так и для сохранения границ, и он уже нашел широкое применение среди широкого сообщества томографов15,16,17,18.