硬化セメントペーストの定量的な微細構造分析のための金属侵入によるディープラーニングセグメンテーション

科学分野:

• マテリアルサイエンス 材料科学
• 土木工学 土木工学とは
• 計算科学 計算科学とは

背景:

• 硬化セメントペーストの定量的な微細構造分析は,材料の性能に不可欠ですが,その複雑で乱雑な構造によって妨げられます.
• 伝統的な方法は,セメントマトリックス内の様々な相を正確に区別し,定量化するために苦労します.

研究 の 目的:

• シメント複合材料の強化された微細構造分析のための高度なアプローチを開発し,検証する.
• 硬化セメントペーストの孔と固体相の定量的な評価を改善するために.

主な方法:

• 低融点合金であるフィールドメタルを,圧迫下にあるセメントサンプルに注入し,逆流散電子 (BSE) 画像の相相コントラストを改善しました.
• ディープラーニングのセグメンテーションモデル,特にU-NetとLinkNetを活用して,BSE画像で孔状,水分化,水分化セメントの相をセグメント化しました.
• 定量的なサイズと形状の分析 (面積,直径,固体,円形,長方比) を分割された段階で行いました.

主要な成果:

• 金属侵入とディープラーニングのアプローチの組み合わせにより,硬化セメントペーストの異なるフェーズを効果的にセグメント化することができました.
• U-NetとLinkNetは,それぞれ0.89と0.87の平均IoUスコアで,高いセグメンテーション精度を達成しました.
• U-Netは,精密な相分析のために,より細かい詳細とより複雑な境界を捉え,優れたパフォーマンスを実証しました.

結論:

• この新しい方法論は,セメント複合材料の微細構造分析を簡素化し,個々の段階の詳細な定量的な評価を可能にします.
• マイクロ構造のパラメータを正確に定量化することは,材料の振る舞いを理解し,セメント複合材料の性能を最適化するために不可欠です.