深度学习自动测量扩展聚乙烯珠子尺寸使用低分辨率微图

科学领域:

• 材料科学 材料科学 材料科学
• 聚合物科学 聚合物科学
• 计算材料科学科学 计算材料科学

背景情况:

• 对封闭细胞聚合物泡的微观分析,特别是珠子大小,对于理解材料特性,如隔热和结构强度至关重要.
• 扩展聚乙烯 (EPS) 泡被广泛使用,精确的珠子尺寸测量是优化其性能的关键.
• 传统的手动测量方法可能耗时且主观.

研究的目的:

• 开发和验证基于深度学习的自动化方法,用于测量扩展聚烯泡中的珠子大小.
• 为了比较自动化方法的准确性和可靠性与传统的手动测量.
• 评估深度学习方法对于EPS泡的实际微结构分析的适用性.

主要方法:

• 使用深度学习模型,在扩展聚烯泡的低分辨率显微镜中自动测量珠子大小.
• 在两种泡密度下进行了测量:8.5 kg/m3和24 kg/m3.
• 统计分析,包括学生的t测试,Levene的测试,曼-惠特尼U测试,和布兰德-阿尔特曼图,被用来进行比较.

主要成果:

• 在自动化深度学习方法和手动测量珠子大小之间没有发现任何显著差异.
• 学生的t测试和Levene的测试证实了两种方法之间的可比平均值和差异.
• 布兰德-阿尔特曼分析显示没有系统偏差,表明自动化方法的等价性和可靠性.

结论:

• 提出的基于深度学习的方法是一种可靠和精确的替代方案,可以在扩展聚烯泡中手动测量珠子大小.
• 这种自动化方法适用于EPS材料的实用,大规模的微观结构分析.
• 这些发现支持采用人工智能驱动的材料表征技术,提高效率和准确性.