《Nano Trends》:Study analysis of consuming computer vision approaches for calculating the particle size of NiO- Al
2O
3 nanocomposite
编辑推荐:
随着纳米复合材料领域的快速发展,溶胶-凝胶法被认为是制备纳米复合材料最准确的方法之一。纳米复合材料通常通过扫描电子显微镜(SEM)表征以测量纳米颗粒尺寸。使用扫描电子显微镜的主要缺点是对图像小区域的聚焦,测量小区域需要较长时间且依赖于人工技能,涉及手动在每个颗
随着纳米复合材料领域的快速发展,溶胶-凝胶法被认为是制备纳米复合材料最准确的方法之一。纳米复合材料通常通过扫描电子显微镜(SEM)表征以测量纳米颗粒尺寸。使用扫描电子显微镜的主要缺点是对图像小区域的聚焦,测量小区域需要较长时间且依赖于人工技能,涉及手动在每个颗粒上画线以计算平均值。因此,一种可靠、简便、快速且简单的方法是计算程序。计算程序指一组旨在实现特定目标的指令,通常称为算法。在本研究中,研究人员采用溶胶-凝胶法制备NiO-Al2O3纳米复合材料,然后使用扫描电子显微镜(SEM)估计SEM图像的颗粒尺寸。随后,提出了一种通过应用计算机视觉计算NiO-Al2O3纳米复合材料颗粒尺寸的算法。使用了八种预处理方法进行图像增强:直方图均衡化(Histogram Equalization)、对比度受限自适应直方图均衡化(CLAHE)、高斯模糊(Gaussian Blurred)、中值模糊(Median Blurred)、双边滤波(Bilateral Filter)、非锐化滤波(Unsharp filter)、Sobel(Sobel)和小波变换(Wavelet)。从SEM图像手动测量的颗粒尺寸结果为42 nm,而使用CLAHE的计算机视觉结果为38 nm,颗粒检测率为86%,中值模糊结果为42 nm,颗粒检测率为71%。因此,CLAHE算法显示出最高的准确性,因为它比其他算法检测到更多的颗粒。
在当前纳米复合材料领域,溶胶-凝胶法被公认为制备高纯度纳米复合材料的最精确化学方法之一。传统上,扫描电子显微镜(SEM)用于表征纳米颗粒的形貌并测量粒径,但该方法依赖人工手动测量,存在聚焦区域小、耗时较长且受操作者技能影响等局限。为此,本研究旨在开发一种基于计算机视觉的自动化粒径测量方法,以提高测量效率与准确性。研究人员(Sinan S. Hamdi, Zinah N. Alabdali 和 Farah F. Alkalid,来自伊拉克理工大学纳米技术与先进材料研究中心)采用溶胶-凝胶法制备NiO-Al
2O
3纳米复合材料,随后利用SEM获取高分辨率图像,并手动测量平均粒径为42 nm。在此基础上,提出一种计算机视觉算法,通过八种图像预处理方法(直方图均衡化、CLAH E、高斯模糊、中值模糊、双边滤波、非锐化滤波、Sobel算子、小波变换)进行图像增强,再结合边缘检测与轮廓识别,实现颗粒的自动检测与粒径计算。对比结果显示,CLAHE算法在颗粒检测率(86%)和平均粒径(38 nm,接近手动值)方面表现最优,验证了该方法的有效性与可靠性。该研究发表在《Nano Trends》,为纳米复合材料粒径快速、低成本测量提供了新途径。
关键技术方法包括:溶胶-凝胶法合成NiO-Al
2O
3纳米复合材料;X射线衍射(XRD)结合Rietveld精修分析晶体结构与相组成;场发射扫描电子显微镜(FESEM)和能量色散X射线光谱(EDX)表征形貌与元素分布;基于Python的计算机视觉算法,涵盖八种图像增强(直方图均衡化、CLAHE、高斯模糊、中值模糊、双边滤波、非锐化滤波、Sobel、小波变换),以及边缘检测、轮廓提取和颗粒尺寸计算。
研究结果:
- **SEM图像与手动粒径测量**:FESEM图像(50 kx倍率)显示NiO-Al
2O
3纳米复合材料呈球形颗粒,具有黑白对比差异;手动测量粒径分布图表明平均直径不超过42 nm。
- **EDX元素分析**:背散射电子成像与EDX映射检测到Ni、Al、O元素均匀分布,无其他杂质峰,原子及重量定量结果显示Ni含量较高,证实溶胶-凝胶法成功合成纳米复合材料。
- **XRD与Rietveld精修**:XRD图谱显示NiO(立方晶系)、NiAl
2O
4(尖晶石相)及金属Ni的特征峰;Rietveld精修得到三相组成:66.5% NiO、22.5% NiAl
2O
4及11%金属Ni,平均晶粒尺寸约28.94 nm;Al
2O
3相未被检测到,因高温下完全与Ni反应形成尖晶石。
- **计算机视觉算法增强与颗粒检测**:对原始SEM图像应用八种预处理算法后,CLAHE和直方图均衡化显著增强对比度与边缘;后续颗粒尺寸算法在增强图像上运行,结果如表2所示:CLAHE检测率86%,平均粒径38 nm;直方图均衡化检测率80%,平均粒径44 nm;中值模糊检测率71%,平均粒径42 nm(与手动值相同);非锐化滤波检测率66%,平均粒径34 nm;高斯模糊、双边滤波、Sobel和小波变换效果较差。综合考虑颗粒检测率与粒径准确性,CLAHE为最佳算法。
总结讨论:手动测量局限于少量颗粒且耗时,计算机视觉算法能检测更多颗粒,提高平均粒径的精确度。CLAHE因检测86%的颗粒而最准确,中值模糊虽粒径匹配但检测率低。未来工作可引入卷积神经网络(CNN)模型及迁移学习以进一步提升颗粒检测能力。
翻译研究结论:首先采用扫描电子显微镜(SEM)获得NiO-Al
2O
3纳米复合材料的高分辨率图像,然后手动测量平均粒径为42 nm。使用计算机视觉算法相比手动方法更简单、可靠、实时且低成本。对原始SEM图像应用八种算法(直方图均衡化、CLAHE、高斯模糊、中值模糊、双边滤波、非锐化滤波、Sobel和小波变换)以增强图像,使颗粒边缘更清晰,随后进行颗粒检测与单个粒径测量,同时创建粒径向量并计算平均值,最后与手动结果比较。最佳结果来自CLAHE:颗粒检测率为86%,平均粒径为38 nm,接近42 nm。未来工作将使用卷积神经网络(CNN)模型进行颗粒检测和尺寸测量,并应用迁移学习以研究知识迁移对模型训练的影响。