探索图像特征提取在催化剂层表征中的应用潜力（开放获取）

《Nanoscale》：Exploring the Potential of Image Feature Extraction for Catalyst Layer CharacterizationOpen Access

　　

燃料电池或电解槽等能量转换装置的进步对于绿色氢能的能源系统集成至关重要。然而，催化剂层（CL）对两种技术都构成了重大挑战，因为其性能和耐久性取决于所制催化剂层的特性。在大多数研究中，催化剂层的结构仍然未知，或仅被表面化地呈现。获取和量化催化剂层结构的方法有限，但对于实现先进的催化剂层架构（例如聚合物电解质膜水电解（PEMWE）中的低铱载量）来说是必需的。进步的路径在于深化我们对催化剂层生产-结构-性能三角形（PSPT）的理解。正确实施质量控制措施可以降低生产成本并延长技术的寿命。本研究的目标是通过分析不同生产变量对形成结构的影响以及量化催化剂层的物理特性，来调查生产-结构关系。催化剂层的制备使用了超声喷涂机，并对不同的机器参数进行了深入探索。使用共聚焦激光扫描显微镜对制备的催化剂层进行分析，以获取与显微图像相对应的表面纹理参数（STPs）。此外，使用PyRadiomics库从所获取的图像中提取图像特征（IFs）。使用皮尔逊相关系数评估STPs与IFs之间的相关性。对89个催化剂层和443张显微图像的分析表明，19个标准化STPs可缩减为三个非冗余描述符，其中每一个都可由特定的图像特征重现，从而为催化剂层质量控制产生了一套紧凑且与仪器无关的参数集。

此内容仅可通过PDF获取。

打开 PDF 关于探索图像特征提取在催化剂层表征中的潜力的文章，在新窗口中打开

? 2026 作者。由皇家化学会出版

2026

作者

本文在知识共享署名4.0非移植许可协议下授权。您可以在其他出版物中使用本文材料，无需向RSC申请进一步许可，只需提供正确的致谢即可。

本作品在知识共享署名4.0国际许可协议下授权。