Video Experimental Relacionado
Updated: Feb 23, 2026

Author Spotlight: Advanced Techniques for Characterizing Tissue Mineralization in Bone Regeneration Research
Published on: September 27, 2024
Segmentación de aprendizaje profundo con intrusión metálica para el análisis cuantitativo de la microestructura de la
Hoan Nguyen1, Thanh-Binh Nguyen2
1Faculty of Science and Engineering, Southern Cross University, Military Rd., Lismore, NSW 2480, Australia.
Las técnicas avanzadas de segmentación por intrusión metálica y aprendizaje profundo analizaron con éxito la microestructura de la pasta de cemento endurecida. Este método cuantifica con precisión los poros y las fases de cemento, cruciales para optimizar el rendimiento de los materiales compuestos.
Área de la Ciencia:
- Ciencia de los materiales Ciencia de los materiales.
- Ingeniería Civil Ingeniería Civil.
- Ciencias computacionales Ciencias computacionales.
Sus antecedentes:
- El análisis cuantitativo de la microestructura de la pasta de cemento endurecida es vital para el rendimiento del material, pero se ve obstaculizado por su estructura compleja y desordenada.
- Los métodos tradicionales luchan por diferenciar y cuantificar con precisión varias fases dentro de la matriz de cemento.
Objetivo del estudio:
- Desarrollar y validar un enfoque avanzado para el análisis mejorado de la microestructura de los compuestos de cemento.
- Mejorar la evaluación cuantitativa de las fases porosa y sólida en la pasta de cemento endurecido.
Principales métodos:
- Inyectado metal de campo, una aleación de bajo punto de fusión, en muestras de cemento bajo presión para mejorar el contraste de fase en imágenes de electrones retrodispersos (BSE).
- Se utilizaron modelos de segmentación de aprendizaje profundo, específicamente U-Net y LinkNet, para segmentar las fases de cemento poroso, no hidratado e hidratado en imágenes de BSE.
- Se realizó un análisis cuantitativo del tamaño y la forma (área, diámetro, solidez, circularidad, relación de aspecto) en fases segmentadas.
Principales resultados:
- El enfoque combinado de intrusión metálica y aprendizaje profundo permitió una segmentación efectiva de las diferentes fases en la pasta de cemento endurecido.
- Tanto U-Net como LinkNet lograron una alta precisión de segmentación, con puntuaciones medias de IoU de 0,89 y 0,87, respectivamente.
- U-Net demostró un rendimiento superior, capturando detalles más finos y límites más complejos para un análisis de fase preciso.
Conclusiones:
- Esta nueva metodología simplifica el análisis de la microestructura del compuesto de cemento, permitiendo una evaluación cuantitativa detallada de las fases individuales.
- La cuantificación precisa de los parámetros de la microestructura es esencial para comprender el comportamiento del material y optimizar el rendimiento del compuesto de cemento.
Videos de Conceptos Relacionados
Porosity in Cement Paste
The balance of water to cement in the mix is...
Pore Size Distribution
Adequate...
Microcracking in Concrete

