.png){kind=icon}
返回
Fibre phantom generation using FibreSimulator: an open-source Python tool
.png){kind=icon}
PRE
AI
DOI：10.1107/s1600577526001918.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
纤维增强聚合物复合材料因其刚度和强度而被广泛应用于多个行业。理解其内部结构对于理解其力学性能至关重要，而计算机断层扫描（CT）是一种流行的无损检测方法。虽然传统的断层重建算法不依赖训练数据，但现代基于机器学习的方法需要大量能够真实反映实验成像条件的数据集。然而，获取此类复合材料的数据集具有挑战性，这源于对真实数据（ground truth）的有限访问以及重复扫描的高成本。因此，需要生成真实、可控且标记的合成体模。为解决这一差距，我们提出FibreSimulator，这是一个开源Python工具，可生成具有可定制材料属性、纤维取向和几何特征的各向同性纤维增强聚合物的3D合成体模。该模拟器与ASTRA工具箱集成，以模拟生成的体模的断层扫描。我们通过评估断层扫描设置如何影响重建和分割的实验来展示其能力。模拟断层实验表明，减少X射线投影数量或降低光束强度（即增加噪声）会导致纤维边界模糊、纤维直径高估以及可检测纤维数量减少。虽然这些定性影响广为人知，但FibreSimulator能够在完全可控的条件下、访问真实数据的情况下，对其进行了系统性和定量研究。特别是，通过改变采集参数和复合材料属性，我们观察到由欠采样和纤维重叠伪影引起的检测精度的非线性趋势。此类受控研究因成本、有限可重复性和缺乏真实数据而难以通过实验进行。这些结果凸显了FibreSimulator作为在可控条件下优化参数和指导实验设计的宝贵工具。
Keyword:
radiography
computational modelling
computed tomography
FibreSimulator
期刊
IF:
3
论文数:
166
被引数:
8.5K
机构
引用论文
Iterative methods for the three-dimensional reconstruction of an object from projections根据投影对物体进行三维重建的迭代方法
.png){kind=icon}
PREAI
分享收藏Microstructure and damage evolution in short carbon fibre 3D-printed composites during tensile straining短碳纤维3d打印复合材料在拉伸应变过程中的微观结构和损伤演化
OAAI
OAAI分享收藏
Deep-learning image enhancement and fibre segmentation from time-resolved computed tomography of fibre-reinforced composites基于光纤增强复合材料的时间分辨计算机断层扫描的深度学习图像增强与纤维分割OAAI
OAAI分享收藏
查看更多内容