深势科技智能表征分析系统Uni-AIMS全新升级!推出一体机功能宝盒!

文摘   科学   2024-10-10 19:38   北京  






深势科技推出针对电镜的智能表征分析系统 Uni-AIMS。基于深度学习算法及表征预训练大模型,Uni-AIMS 实现了对显微图像的精准识别,并进行一系列的表征分析计算,自动生成直观全面的统计报告,可以大幅提升显微图像表征分析的智能化水平,减少相应表征分析过程中95%以上的人力投入,获取高质量且全面的一致性分析结果针对部署轻量化和数据本地化的需求,全面推出一体机功能宝盒,实现软硬一体、开箱即用的全新体验。智能表征分析系统 Uni-AIMS 为新材料新药物的科学研究加速提供了表征分析环节的有力支持,为生产质量评估和指导生产优化方向提供了重要依据。

实验表征技术的进步对于科学技术的发展起着重要的推动作用。在17世纪,列文虎克用自制的显微镜观察到了微生物,这是人类首次观察到单细胞生物,标志着微生物学的诞生。热重分析技术( TGA )在高分子材料领域的应用,促进了科研工作者对材料热稳定性、组成分析以及热分解机理的深入研究。原位X射线谱学技术揭示了电池材料在充放电过程中的微观结构变化,对于电池性能改进和新型电池材料开发具有重要意义。
在材料科学、新能源、生物医学、环境检测等多个关键领域的科学研究过程中,试验过程均产生了大量含有物质基本行为特征信息的试验数据,如何快速精确地处理这些复杂的数据,发现其中的规律,从而得到真实客观的表征信息,对科学研究的推进非常重要。
扫描电子显微镜( SEM 利用聚焦电子束扫描样品表面,并通过探测器捕捉电子束与样品产生的信号来生成表面图像,具有高分辨率精度(纳米级)、操作简易功能丰富等特点,这一技术近年来在材料科学、生物学和化学等学科领域获得了广泛应用,并持续推动着这些领域的研究进展。在电池材料领域,通过扫描电镜,可以分析正负极材料的颗粒形貌特征,如颗粒大小、形状、分布,用于材料和产品的标准化和质量控制。在金属材料领域,通过扫描电镜可以获取晶粒分布和第二相粒子分布的特征,而搭配 EBSD 的 SEM 电镜可以准确表征金属材料的晶粒取向、织构等特征,进而分析金属组织结构和最终性能的构效关系。在生物医学领域,病原体和生物大分子颗粒形貌的识别和表征分析为疾病诊断和治疗提供重要依据。在环境科学中,对大气颗粒物的识别和表征有助于评估空气质量以及颗粒物对人体健康的影响。
图1  SEM 图像表征类型丰富多样
然而,传统的 SEM 图像分析主要通过实验技术人员的手工统计和一些人工标注式软件进行,对技术人员的经验依赖性强,图像分析效率低,前后数据的一致性差,部分关键表征结果难以直接获取,导致图像表征结果所反应的客观材料行为信息未被充分利用,甚至对科研方向产生一些引导偏差。对于SEM显微图像的表征分析,亟需新的智能化工具。

Uni—AIMS 智能表征分析软件


图2 Uni-AIMS 显微图像智能分析工具
Uni-AIMS (AI-Powered Microscopy Imaging System ),由深势科技研发,是一款集成了前沿人工智能技术的电镜图像分析软件。作为显微图像智能分析的工具,Uni-AIMS 利用深度学习算法自动识别电镜图像中的物体,并自动进行表征计算,支持多方位统计报告的一键输出,为科研探索和生产优化提供了高效全面的数据资源。
Uni-AIMS 的 AI 引擎采用最新技术,实现对电镜图像中目标的高精度自动识别,无需人工干预即可完成高精度的图像分析,提升了图像分析的自动化和智能化水平,显著提高了分析效率和准确性。
软件采用一键式操作流程,配备直观友好的用户交互界面,使得非专业用户也能快速上手。同时,Uni-AIMS 提供丰富的数据图表和深入的分析报告,为材料的研发提供了坚实的数据支撑。
本次 Uni-AIMS 软件在完成版本更新后登陆 Bohrium® 科学计算平台,相比于去年底发布的 SEM Particle Detector 工具,在软件功能、适用范围、识别准确度、功能维度等方面均得到了大幅升级。当前,基于表征预训练大模型底座开发的 Uni-AIMS 产品的主要特点是:
1.解析速度快。采用 Uni-AIMS 软件大幅提升了表征分析的速度,对于一张包含约1000颗粒的 SEM 图像进行粒径分布统计,需要人工处理半小时,通过 Uni-AIMS 软件,仅需15秒;
2.结果可信,准确度高。Uni-AIMS 软件能大幅减少人为测量和分析的误差,确保了实验结果的一致性和可重复性,促进了实验设计的标准化,显著提升了材料的研发效率和精度;
3.分析更全面。可以分析一些人工很难获取的重要指标,如球形度、第二相比例等;
4.泛化能力强。基于少量的全新领域的电镜图片进行预训练模型的微调,就可以获得一个新领域的表征分析能力;
5.界面美观,操作便捷。全 UI 界面式操作,支持小提琴图、直方图、多图对比等多种可视化呈现形式,表征报告可一键导出、下载。

应用场景

应用场景1:锂电池正极材料颗粒分析的场景

图3 电池材料表征中显微图像分析具有广泛应用
NCM三元材料,即镍钴锰酸锂( LiNi_xCo_yMn_zO2 ),是锂离子电池中使用的一种高性能正极材料。这种材料因其高比容量、优异的放电电压平台、良好的循环稳定性和成本效益而受到重视。
三元材料正极颗粒及其前驱体颗粒的粒径分布(均一性)、球形度、比表面积将直接影响锂电池的电化学性能,对电池的能量密度和安全性至关重要。粒度分布太窄或太宽都会降低材料的压实密度。适当的粒径分布会通过小颗粒填补大颗粒空位提高振实密度;但过宽的粒径分布会引起浆料分层,影响振实密度,另外大小颗粒间不同程度的过充和过放现象,会容易造成电池循环寿命下降。
下图显示了通过合成工艺生产的三元前驱体颗粒的 SEM 图:a)三元前驱体颗粒的SEM图像;b)三元前驱体颗粒的SEM图像识别结果(黄线为识别出的晶界)
图4 三元前驱体颗粒显微图像的自动识别效果
粒径分析结果如下所示:
图5 三元前驱体颗粒粒径分布自动分析效果
球形度分析结果如下所示:
图6 三元前驱体颗粒球形度分布自动分析效果

应用场景2:金属材料中的晶粒分析场景

金相分析是一种材料科学中用于研究金属和合金内部组织结构的表征方法,对于理解和控制材料的微观结构和宏观性能至关重要。对合金型材晶粒的表征分析,可以提取合金材料微观形貌的典型特征,如晶粒大小分布、晶粒形貌特点(等轴、条状、板状等)等,进而研究微观结构和宏观性能之间的构效关系。
其中,金属晶粒的大小及形貌对于合金材料力学性能和各向异性有显著影响。根据经典的 Hall-Petch 关系,晶粒尺寸的减小通常会导致材料的强度提高,这是由于晶界增加了位错运动的障碍,从而增强了材料的屈服强度。
下图是用 Uni-AIMS 工具自动分析挤压态AZ31镁合金的 EBSD 图像后的结果,包含了晶粒的分布、晶粒形貌特征等关键结果:a)挤压态 AZ31 镁合金的 EBSD 图像;b)挤压态AZ31镁合金的 EBSD 图像识别结果(黄线为识别出的晶界)
图7 镁合金 EBSD 图像的自动识别效果
粒径分析结果如下所示:
图8 镁合金晶粒大小分布自动分析效果
形状因子 A/R 分析结果如下所示:
图9 镁合金晶粒形貌分布自动分析效果

操作界面展示


Uni-AIMS 具有全流程可视化的操作界面,用户可以通过界面交互的方式快速上传待分析的 SEM 图像,并进行识别、筛选、统计、生产报告等操作。操作流程如下所示:
  1. 创建新会话

  1. 上传图片

选择单张或多张图像上传
  1. 图像识别

  1. 预览识别效果

通过按钮进行识别结果切换,方便直观的比对识别效果。
a) 显示识别边界:
b) 隐藏识别边界:
c)支持人为对识别结果和比例尺进行修改:
  1. 筛选过滤

支持通过粒径、周长、球形度、纵横比等指标的数值范围来筛选过滤目标颗粒。
  1. 汇总统计

a) 支持直接呈现粒径、球形度、周长等关键指标的分布和 P0、P10、P50、P90、P100 的数值;
  • 粒径分布呈现效果:

  • 球形度分布呈现效果:

b) 支持分布效果的直方图和小提琴图的切换:
c) 支持所有颗粒任意两项属性的散点图,可以用来初步检验相关性:
d) 在上传了多张图像的情况下,也支持多张图片的效果对比:
  1. 分析报告导出

以上只是 Uni-AIMS 常用功能的操作展示,更多丰富功能,期待您的探索!
产品演示视频如下所示:

上新一体机功能宝盒 

实现快速交付和数据安全保障

为了满足部分企业的本地化、轻量化部署需求,深势科技正式推出 Uni-AIMS 智能表征分析一体机,实现开箱即用。一体机盒子采用主流高性能 CPU、高性能 GPU、冗余热插拔硬盘、双电源等配置,优先保障使用过程中的流畅体验,满足企业用户高并发、高可用性及安全性需求。一体机主要采用塔式形态,也支持采用同等配置的机架式服务器进行部署,可在办公环境、机房环境中轻松部署上线,图片、数据、报告等重要信息均在本地存储和使用,最大程度保障企业数据安全。一体机盒子的外观图片如下所示:
图10一体机外观图片

面向未来
Uni-AIMS 在多个科研领域的表征分析过程中已经展现了巨大的应用潜力和市场价值。
未来,Uni-AIMS 将不断迭代升级,通过预训练表征大模型,结合少量下游图片标注,自动适应多领域、多场景、多类别、多尺度的显微表征分析场景,为材料、能源、医药和环境领域的科研工作者及产线工程师提供更加高效且精准的智能表征分析服务。

申请试用


Uni-AIMS 基础功能试用版本:
https://bohrium.dp.tech/apps/uni-aims

关于深势科技

深势科技是“AI for Science”科学研究范式的引领者和践行者。AI for Science 即运用 AI 学习一系列的科学原理和科学知识,并进一步解决科学研究和工业研发领域的关键问题。

深势科技依托在交叉学科领域的深耕,构建了“深势 · 宇知®”AI for Science 大模型体系,将众多学科的科研方法从“实验试错/计算机”时代带入了“预训练模型时代”,并以“微尺度工业设计与仿真”为切入点,打造了 Bohrium® 玻尔®科研空间站、Hermite® 药物计算设计平台、RiDYMO® 难成药靶标研发平台及 Piloteye® 电池设计自动化平台等科研和工业研发基础设施,形成了 AI for Science 的“创新-落地”链路和开放生态,赋能“千行百业”,为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。

深势科技是国家高新技术企业、国家专精特新“小巨人”企业,在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔,汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师,其中博士及博士后在公司成员中占比超过35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”,相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。



深势科技 DP Technology
深势科技致力于运用人工智能和多尺度的模拟仿真算法,为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。
 最新文章