Текущий выпуск Номер 4, 2026 Том 18

Все выпуски

[ Switch to English ]

Метод анализа геометрических параметров частиц и построения их распределений по данным сегментации микрофотографий с использованием параметризованных полигонов

Касьянов А.В., Бабина К.А., Пархомчук Е.В.
 pdf (11526K)

Точное определение размеров и морфологии частиц имеет ключевое значение для множества научных и промышленных областей. Микроскопия является мощным инструментом для изучения геометрии частиц, однако традиционный анализ изображений часто оперирует базовыми параметрами, такими как площадь или эквивалентный диаметр круга, что недостаточно для описания несферических или сложных по форме объектов. В данной работе представлена новая методика анализа частиц по микрофотографиям, основанная на сочетании глубокого обучения для сегментации и аппроксимации параметризованными полигонами. Изображения оптической микроскопии были получены для модельных систем различной сложности: монодисперсные сферы полистирола, кубические кристаллы SAPO-34, гексагональные призмы ZSM-5 и их многокомпонентная смесь. Сегментация изображений выполнялась с помощью облачного сервиса DLgram01, обученного на вручную размеченных данных. Для обработки полученных полигонов сегментации была разработана специализированная программа на языке Python. Ключевая идея метода заключается в подборе для контура каждой частицы параметризованного полигона. Оптимальные значения геометрических параметров для каждой частицы определяется путем минимизации функции «несходства», количественно оценивающей расхождение между сегментированным контуром и параметрической формой. Метод был валидирован на простой системе со сферами: полученное распределение по размерам совпало с результатами классического метода проекционного диаметра. Для более сложных кубических частиц SAPO-34 аппроксимация прямоугольниками выявила отклонение от идеальной формы, что дало более полное морфологическое описание, чем использование единственного параметра размера. При анализе смеси частиц разработанный подход успешно классифицировал частицы разных типов и извлек для каждого класса характерные распределения параметров. Полученные для смеси статистические характеристики каждого типа частиц совпали с результатами анализа однокомпонентных систем, что подтверждает надежность и точность методики. Предложенный подход является мощным инструментом для автоматизированного анализа частиц, позволяя извлекать детальные геометрические параметры и строить многомерные распределения по размерам и форме для сложных полидисперсных систем.

Ключевые слова: нейронные сети, сегментация изображений, микроскопия, анализ размера частиц
Цитата: Касьянов А.В., Бабина К.А., Пархомчук Е.В. Метод анализа геометрических параметров частиц и построения их распределений по данным сегментации микрофотографий с использованием параметризованных полигонов // Компьютерные исследования и моделирование, 2026, т. 18, № 4, с. 837-853
Citation in English: Kasyanov A.V., Babina K.A., Parkhomchuk E.V. Method for analyzing geometric parameters of particles and constructing their distributions based on micrograph segmentation data using parameterized polygons // Computer Research and Modeling, 2026, vol. 18, no. 4, pp. 837-853
DOI: 10.20537/2076-7633-2026-18-4-837-853
URL: http://crm.ics.org.ru/journal/article/3748/
Creative Commons License Статья доступна по лицензии Creative Commons Attribution-NoDerivs 3.0 Unported License.

Copyright © 2026 Касьянов А.В., Бабина К.А., Пархомчук Е.В.

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Website Copyright © 2009–2026 Институт компьютерных исследований