基于矢量分析聚焦测量的微观形状聚焦技术与铝6061金属间化合物分布自动量化研究

本文提出了一种集成自动高分辨率扫描电镜（SEM）成像、分水岭算法和深度学习U-Net模型的新型工作流，实现了对铝6061合金中双尺度金属间化合物相对于晶界等微结构特征空间分布的自动化、高通量定量分析，为材料性能优化提供了重要见解。

　　

Highlight

Results

样本分割结果

通过分水岭算法对晶粒进行分割的样本结果如图6所示。图6a展示了在4000倍放大下25张拼接图像样本，而图6c则是15000倍放大下9张拼接图像样本。分水岭变换在两种情况下均表现良好（成功分割了多个晶粒以及存在显著噪声的少量晶粒）。图6b和6d显示了以不同颜色分割的各个晶粒，它们呈现出不同的像素强度。

U-Net模型性能

自动采集与分割性能

在以往的研究中，高倍镜下对海量微结构数据进行采样和分割非常耗时，且需要大量分割分析时人为误差不可避免。自动化流程成为解决此问题的方案。我们基于自动采集并拼接的SEM数据库进行的深度学习分割，解决了一个关键挑战：快速量化大样本区域内的金属间化合物相，这对于传统手动方法而言是不切实际的。

结论

• •
  本研究开发了一种新型自动化定量方法，该方法集成了自动高分辨率SEM图像采集与分水岭和深度学习算法进行分割，从而克服了传统方法在处理微结构数据时效率低下和统计精度不足的局限性。
• •
  通过拼接技术和自动分割，实现了从纳米级相到晶界等跨尺度微结构特征的同步分析。