Logo der Physikalisch-Technischen Bundesanstalt
Fertigungskette von Si-Kugeln und interferometrische Bestimmung des Kugelvolumens

Machine Learning im Kontext der Elektronenmikroskopie

22.12.2020

In der Arbeitsgruppe „Elektronenmikroskopie“ wird Machine Learning für ein breites Aufgabenspektrum genutzt. Die Arbeiten sind in die beiden europäischen EMPIR-Projekte „nPSize“ und „Black Carbon“ eingebettet, in denen sowohl nicht-sphärische Nanopartikel als auch Rußpartikel untersucht werden. Neben anderen Messverfahren kommt dazu Elektronenmikroskopie zum Einsatz. Bevor Größe und Form der Partikel bestimmt werden können, müssen diese in den elektronenmikroskopischen Aufnahmen zuverlässig detektiert und von Artefakten (z.B. Partikel-Agglomerationen, Verschmutzungen) unterschieden werden. Mittels Machine Learning kann dies zuverlässiger und komfortabler erfolgen als durch eine manuelle Auswahl.

Rußpartikel entstehen durch Verbrennungsprozesse und stellen nicht nur eine Gefahr für die Gesundheit dar, sondern wirken aufgrund ihrer optischen Eigenschaften auch klimaschädlich, wobei insbesondere die fraktale Dimension der Partikel ihr Verhalten beeinflusst. Die fraktale Dimension beschreibt die dreidimensionale Form eines Objekts und kann Werte zwischen 1 (lange Kette) und 3 (Kugel) annehmen. Es gibt verschiedene konventionelle Ansätze, um die fraktale Dimension aus elektronenmikroskopischen Aufnahmen zu bestimmen (welche lediglich zweidimensionale Projektionen der Rußpartikel darstellen). In ersten Versuchen konnte anhand von simulierten Bildern gezeigt werden, dass Machine Learning vergleichbare Ergebnisse für die fraktale Dimension liefert wie konventionelle Algorithmen. In Zukunft sollen diese Ansätze weiterentwickelt und auf reale Bilder transferiert werden.

Machine Learning beruht auf dem Erlernen und Verallgemeinern von Trainingsdaten. Der Erfolg der Methode hängt daher ganz wesentlich von Umfang und Qualität der zur Verfügung stehenden Trainingsdatensätze ab. Durch Monte-Carlo-Simulation der Bildentstehung im Elektronenmikroskop ist die Arbeitsgruppe in der Lage, umfangreiche und qualitativ hochwertige Trainingsdatensätze zu generieren. Dies wird erheblich zur Weiterentwicklung der beschriebenen Ansätze beitragen und neue Anwendungen ermöglichen.



Schematische Darstellung eines Zwischenschritts bei der Bestimmung der fraktalen Dimension: Ein Machine Learning Netzwerk wird genutzt, um die Anzahl und den mittleren Durchmesser der Primärpartikel des Rußaggregats zu bestimmen.

Kontakt

Anschrift

Physikalisch-Technische Bundesanstalt
Bundesallee 100
38116 Braunschweig