支持纳米粒子TEM图像的自动化颗粒大小分析使用预训练的SAM模型
Xiukun Zhong1, Guohong Liang1, Lingbei Meng2
1School of Chemical Engineering and Technology, Tianjin University, Tianjin 300072, China.
Nanomaterials (Basel, Switzerland)
|December 24, 2025
概括
本研究介绍了一种使用分段任何模型 (SAM) 分析纳米粒子传输电子显微镜图像的自动化方法. 该方法增强了纳米粒子细分和尺寸分析,提高了支持的纳米催化剂的准确性和效率.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 图像分析 图像分析
背景情况:
- 传输电子显微镜 (TEM) 图像分析所支持的纳米粒子面临的挑战包括低信号噪声比和复杂的背景.
- 准确的纳米粒子表征对于理解纳米催化剂中的结构性能关系至关重要.
研究的目的:
- 从TEM图像开发一个自动化和准确的纳米粒子细分和尺寸分析方法.
- 克服传统方法在分析具有挑战性的纳米粒子样本方面的局限性.
主要方法:
- 利用了一个大规模的深度学习模型,分段任何模型 (SAM),用于零射击纳米粒子细分.
- 集成的SAM与自定义图像处理管道,包括光学字符识别 (OCR),形态优化和连接组件分析.
- 将该方法应用于Ru/TiO2和相关支持的纳米催化剂系统.
主要成果:
- 实现了高精度粒子大小量化,估计误差在3%至5%之间.
- 在具有挑战性的成像条件下表现出强大的性能.
- 将每张图像的处理时间缩短到不到1分钟,比手工方法快得多.
结论:
- 拟议的自动化框架为支持纳米颗粒的形态特征提供了一种高效可靠的工具.
- 能够改善纳米催化中的结构-性能相关性研究.
- 与传统的手动注释和基于值的细分技术相比,代表了显著的进步.
更多相关视频
08:52Improving Reproducibility to Meet Minimal Information for Studies of Extracellular Vesicles 2018 Guidelines in Nanoparticle Tracking Analysis
Published on: November 17, 2021
2.8K
07:08Nanoparticle Tracking Analysis of Gold Nanoparticles in Aqueous Media through an Inter-Laboratory Comparison
Published on: October 20, 2020
7.9K
