3D-Rekonstruktion hochporöser Strukturen aus FIB-REM-Bildstapeln

3D-Bilder mit Nanometer-Auflösung

Komplexe Werkstoffe wie Gasdiffusionsschichten für Brennstoffzellen, Elektroden für Lithium-Ionen-Batterien, Filtermedien, keramische Werkstoffe mit aktiven Komponenten oder aktiv-reaktive Beschichtungen haben Mikrostrukturkomponenten, die ihre Materialeigenschaften entscheidend beeinflussen. Solche Strukturen können durch die FIB-REM-Serienschnitttechnik mit Auflösungen zwischen 5 und 100 nm dreidimensional abgebildet werden.
 

Durchscheinartefakte erschweren die Rekonstruktion poröser Strukturen

Bei hoher Porosität entspricht die aus den 2D-REM-Bildern der FIB-Schnitte rekonstruierte 3D-Struktur jedoch nicht der realen Struktur.  Die hohe Tiefenschärfe des REM lässt durch die Poren auch Strukturbereiche hinter der aktuellen Schnittfläche sichtbar werden und genauso hell erscheinen – Durchscheinartefakte entstehen. Die Rekonstruktion der unverzerrten 3D-Struktur wird dadurch zu einer schwierigen Bildsegmentierungsaufgabe. Wir lösen sie sowohl mittels klassischer Bildverarbeitung als auch durch Maschinelles Lernen.

Zirkondioxid-Probe
© Sören Höhn, Fraunhofer IKTS
Abbildung 1: REM-Bild einer nanoporösen Zirkondioxid-Probe.
Zufällige Packung von Zylindern
© Fraunhofer ITWM
Abbildung 2: EIn Beispiel für synthetische REM-Bilddaten von Realisierungen stochastischer Geometriemodelle; zufällige Packung von Zylindern.
CoxBoolesches-Modell von Kugeln
© Fraunhofer ITWM
Abbildung 3: Ein Beispiel für synthetische REM-Bilddaten von Realisierungen stochastischer Geometriemodelle; CoxBoolesches-Modell von Kugeln.

Synthetische Bilddaten als Basis

Für die Entwicklung der klassischen Algorithmen und für das Training der lernenden Verfahren war es essenziell, FIB-REM-Bildstapel zu generieren. Wir simulieren die Elektronen-Material-Interaktion physikalisch. Schneller ist ein anhand dieser Daten trainiertes ML-Modell.

Publikationen und Referenzen