Исследователи из Сколтеха разработали новый способ измерения пористости волокнистых материалов с помощью всего одного изображения, полученного на обычном оптическом микроскопе. Метод позволяет вычислять истинную объемную пористость со средней ошибкой около 3,5% и значительно превосходит по точности традиционные подходы, основанные на анализе плоских 2D-снимков. Об этом «Газете.Ru» сообщили в пресс-службе образовательного учреждения.
Волокнистые материалы широко применяются в биомедицине, энергетике, акустической изоляции и аэрокосмической промышленности. Их ключевой параметр — пористость, то есть доля пустот между волокнами, от которой зависят прочность, проницаемость и эксплуатационные свойства. Однако существующие методы ее определения либо требуют дорогостоящего оборудования, например микротомографии, либо дают большие погрешности. Так называемая «цифровая пористость», вычисляемая по 2D-изображениям, может отличаться от реальной на десятки процентов, поскольку не учитывает трёхмерную структуру материала.
Новый подход основан на анализе перспективных искажений. При съемке под микроскопом волокна, расположенные глубже в материале, выглядят тоньше и темнее. Алгоритм статистически анализирует изменение видимой толщины волокон в зависимости от их яркости и по этим данным восстанавливает распределение по глубине. Это позволяет определить реальную объемную пористость без 3D-сканирования.
Методика включает цифровую предобработку изображения, автоматическое выделение волокон и их характеристик, а затем расчёт пористости на основе статистики распределения слоев.
«Мы решаем фундаментальную задачу перехода от двумерного изображения к пониманию трёхмерной структуры материала. Анализируя, как меняется видимая толщина волокон, мы фактически заглядываем внутрь материала и получаем точную оценку пористости без сложного оборудования», — поясняет первый автор работы, аспирант Сколтеха Антон Бирюков.
Достоверность метода подтверждалась на специально напечатанных 3D-моделях волокнистых структур с заранее известной пористостью. Это позволило напрямую сравнить расчеты алгоритма с реальными значениями.
Разработчики отметили, что простота реализации и низкие требования к оборудованию делают метод перспективным для внедрения в системы технического зрения на производстве. В будущем он может использоваться для автоматического контроля качества волокнистых материалов в реальном времени — от фильтров и медицинских матов до композитов для авиации и космоса.
Ранее в России создали крупнейший в мире датасет для распознавания фруктов и овощей в магазинах.