Identifizieren von Körnern mit KI

GrainFind

Das GrainFind -Modul ist ein wichtiger Schritt zur präzisen Objekterkennung in µCT-Bildern für eine genaue Kornerkennung. Mit dem GrainFind -Modul von GeoDict können einzelne Körner in Strukturen identifiziert werden, bei denen die Korngrenzen bisher unbekannt sind. Für jedes identifizierte Korn wird eine individuelle Best-Fit-Form berechnet und seine Ausrichtung in der Struktur erhalten.

Auf diese Weise sind Simulationen an der Struktur möglich, die bisher unmöglich waren, wie z.B. Simulationen mechanischer Eigenschaften, die von der Kornorientierung abhängen. Darüber hinaus können die gewonnenen Strukturinformationen genutzt werden, um mit dem GrainGeo-Modul ähnliche Mikrostrukturen zu erzeugen, d.h. den sogenannten Digital Twin der Mikrostruktur zu modellieren.

Nach dem Import und der Segmentierung der Computertomographie oder der FIB/SEM-Scans eines Materials werden 3D-Modelle erstellt, und in GrainFind stehen zwei Prozesse zur Verfügung:

  • Identifizierung und Analyse der einzelnen Körner: Kornvolumen, Oberfläche, Oberflächen-Volumen-Verhältnis, Sphärizität (Form), Ausrichtung, etc.
  • Schätzung der Korndurchmesserverteilung

GrainFind Features

Kornidentifizierungsprozess

Der Kornidentifizierungsprozess findet einzelne Körner mit Hilfe eines Watershed-Algorithmusses (Wasserscheidentransformation), der von den Entwicklern der Math2Market darauf spezialisiert wurde, Körner zu finden, und einer anschließenden, von Math2Market aufgebauten, Grain-Reconnection, in dem etwaige Kornfragmente wieder verbunden werden. Zusätzlich können Körner am Rand der Struktur entfernt werden, da solche Körner oft nur teilweise in einem 3D-Scan erfasst wurden. Diese Grenzkörner könnten die Statistiken der identifizierten Körner negativ beeinflussen. Zum Schluss passt eine Kornformanalyse Ellipsoide, Kästen oder Kurzfasern auf die gefundenen Körner und erstellt so ein analytisches Modell für die gefundenen Körner.

Die Kornidentifikation bietet auch viele Möglichkeiten für die Nachbearbeitung, wie z.B. Histogramme für verschiedene Kornmaße wie Volumen, Oberfläche und verschiedene Durchmesser.

Die identifizierten Körner können durch die verschiedene Maße (z.B. Volumen, volumenäquivalenter Durchmesser, Durchmesser der Inkugel, Sphärizität, Oberfläche) getrennt werden. Dies führt zu einer Kornstruktur mit unterschiedlichen Materialphasen. Zum Beispiel erhält der Anwender bei zwei Schwellenwerten für das Kornvolumen ein Material für kleine Körner, ein Material für mittlere Körner und ein Material für große Körner.

Darüber hinaus können die Maße wie Durchmesser und Sphärizität in dreidimensionalen Verteilungen wie 3D-Durchmesserverteilungen und 3D-Sphärizitätsverteilungen visualisiert werden.

Die in den Ergebnisdateien dargestellten Kornorientierungen werden per Voxel berechnet und als 3D-Orientierungsfeld gespeichert. Dieses Feld findet Anwendung als Eingabeparameter sowohl in ConductoDict als auch in ElastoDict. Auch der Orientierungstensor, der die Statistik der Kornorientierung wiederspiegelt, wird von der Kornidentifikation berechnet. Dieser Tensor kann in GrainGeo als Eingabeparameter zur Nachbildung solcher Mikrostrukturen verwendet werden.
Die Statistiken, die man mit der Kornidentifizierung erhaelt können auch mit einem Klick direkt in GrainGeo's "Create Grains" geladen werden. Dabei werden unter anderem die Durchmesserverteilung und der Orientierungstensor aus der Kornerkennung übernommen.

Korndurchmesser-Schätzung

Die Korndurchmesser-Schätzung berechnet den durchschnittlichen Korndurchmesser für eine ausgewählte Anzahl verschiedener Korntypen sowie deren Standardabweichung, die für unimodale Verteilungen ausreichend sein kann. Detailliertere Ergebnisse werden in Form eines Durchmesser-Histogramms geliefert, das den Korndurchmesser im Verhältnis zum Volumenanteil der Körner dieses Durchmessers darstellt. Korndurchmesserverteilungen (diskret oder kontinuierlich) können dann im GrainGeo-Modul eingegeben werden, um Strukturmodelle mit passenden Verteilungen zu reproduzieren.

GrainFind im Materialentwicklungsprozess

Der Kornidentifizierungsprozess in GrainFind basiert auf einer Spezialisierung des von Math2Market entwickelten Watershed-Algorithmus (weit verbreitet für die Segmentierung von Bilddaten). Das Bild wird mit Hilfe der Euklidischen Distanztransformation (EDT) in eine Entfernungskarte umgewandelt. Lediglich die Parametrisierung der Transformation des Wasserscheidenalgorithmus (Auswahl eines minimalen Korndurchmessers) und die Nachbearbeitung (Wiederzusammenführung von Kornfragmenten, Grenzkornhandling etc.) erfordern Benutzereingaben. Die Komplexität des Algorithmus - wie der EDT - verbirgt sich "unter der Haube".

Anwendungsbeispiele

  • Batteriematerialien: Körner in Batterieelektroden identifizieren
  • Digitalen Gesteinsphysik: Informationen über einzelne Körner erhalten und ein tieferes Verständnis der Gesteinsmikrostruktur gewinnen
  • Filtration: Filtrationspartikel charakterisieren
  • Verbundwerkstoffe: unerwünschte granulare Partikel erkennen und charakterisieren
  • Qualitätskontrolle: Heterogenitäten und Abweichungen in Form, Orientierung und Größenverteilung von Körnern untersuchen

Anwendungsbeispiele

Welche zusätzlichen Module werden benötigt?

  • Für die Grundfunktionalität wird das Paket GeoDict Base benötigt.
  • ImportGeo-Vol: für den Import und die Segmentierung der µCT-Bilder und die Generierung der 3D-Strukturmodelle für die Analyse.
  • GrainGeo: Erzeugung von Strukturmodellen, die (statistisch) den µCT Proben entsprechen.
  • BatteryDict: Ladesimulation erzeugter Strukturmodelle von Batterieelektroden
  • ElastoDict und ConductoDict: Das von GrainFind berechnete Faserorientierungsfeld kann verwendet werden, um Simulationen von Verformung und Beschädigung oder Wärme- und elektrische Leitfähigkeit für transversale isotrope Materialien durchzuführen.