基于机器学习与描述子方法的低分辨率原位CT扫描中纺织增强材料的压实行为分析
计算机视觉与模式识别
2025-10-22 v1 材料科学
应用物理
摘要
对材料结构进行多尺度的详细理解对于预测纺织增强复合材料的建模至关重要。层间嵌套——表现为相邻纱层通过局部渗透和纱线错位而嵌入——在决定机械性能（如刚性、渗透性和损伤容忍性）方面发挥关键作用。本研究提出了一种框架，用于利用低分辨率CT扫描对干燥纺织增强材料在压实过程中的嵌套行为进行量化。对各种堆叠配置进行了原位压实实验，并以20.22 μm体素分辨率获取了CT扫描。我们定制了3D-UNet模型，对压实阶段（对应纤维体积分数为50--60%）的基质、经纱和纬纱相进行语义分割。模型的最低平均交并比为0.822，F1得分达到0.902。随后利用两点关联函数S2进行空间结构分析，实现了从概率统计中提取平均层厚度和嵌套程度。结果与基于显微镜的验证结果高度一致。该方法为从工业相关的CT数据中提取关键几何特征，为复合材料前置件的逆向建模和描述子基结构分析奠定了坚实基础。
引用
@article{arxiv.2508.10943,
title = {Analysis of the Compaction Behavior of Textile Reinforcements in Low-Resolution In-Situ CT Scans via Machine-Learning and Descriptor-Based Methods},
author = {Christian Düreth and Jan Condé-Wolter and Marek Danczak and Karsten Tittmann and Jörn Jaschinski and Andreas Hornig and Maik Gude},
journal= {arXiv preprint arXiv:2508.10943},
year = {2025}
}
备注
submitted to Elsevier Composite Part C: Open Access (JCOMC-D-25-00212), 16 pages, 8 Figures, and 3 Tables