基于扫描电镜与自动化的铝6061金属间化合物分布系统性定量分析方法

本文提出了一种创新的自动化工作流程，结合高分辨率扫描电子显微镜（SEM）、图像拼接技术以及分水岭和深度学习U-Net模型，实现了对铝6061合金中双尺度金属间化合物分布的高效定量分析。该方法突破了传统微观结构分析在效率和统计显著性方面的局限，首次系统揭示了金属间化合物尺寸、形态及其与晶界空间分布的关联规律，为材料性能优化提供了新范式。

　　

结果

样本使用分水岭算法对晶粒进行分割的结果如图6所示。图6a展示了在4000倍放大倍数下25张图像拼接的样本，而图6c则是在15000倍放大倍数下9张图像拼接的样本。分水岭变换在两种情况下都表现出色（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模型在分割金属间化合物方面表现优异，能够准确识别从纳米级到微米级的双尺度颗粒。

自动化采集与分割的性能

在以往的研究中，高倍率下对海量微观结构数据进行采样和分割非常耗时。同时，当分析需要进行大量分割时，人为误差不可避免。自动化流程的出现解决了这一难题。我们对自动采集并拼接的扫描电镜（SEM）数据库进行深度学习分割，攻克了一个关键挑战：快速量化大样本区域内的金属间化合物相，这对于手动处理来说几乎是不现实的。

结论

• 本研究开发了一种新颖的自动化定量方法，它将自动化高分辨率扫描电镜（SEM）图像采集与分水岭和深度学习算法相结合进行分割，从而克服了传统方法在处理微观结构数据时效率低下和统计准确性不足的局限性。

• 通过图像拼接技术和自动化分割，实现了从纳米级相到晶界等跨尺度微观结构特征的同步分析。