Correlation of 2D and 3D particle properties with simulated particle imaging dataset (Open Access)
Thomas Buchwald*, Ralf Ditscherlein, Urs A. Peuker
Keywords: Imaging techniques; Static image analysis; Dynamic image analysis; Circularity; Sphericity; Shape factors; Equivalent particle size; Particle characteristics; Correlation
DOI: 10.1016/j.partic.2024.10.008
颗粒的二维特征信息，如几何属性、等效直径及形状因子等，广泛应用于模拟三维颗粒过程。这些二维信息通常通过二维静态或动态成像技术进行测量和获得。为了将颗粒的二维信息有效地应用于三维颗粒过程的模拟，建立二维参数与三维特征之间的关系至关重要。然而，现有研究大多集中于数学上较为简单的颗粒形态或特定粉体体系，尚未全面揭示复杂形状颗粒的二维参数与其三维特性（如体积、表面积、球形度）之间的内在关联。因此，探索和建立普适的二维与三维特征关系，仍然是当前研究中的一项重要挑战。
针对这一挑战，本研究基于X射线显微技术构建的PARROT颗粒数据集（https://parrot.tu-freiberg.de），探讨了颗粒二维参数与三维特性之间的相关性，并实现了从颗粒二维测量数据到三维性质的稳健预测和验证。具体而言，本文提出了一种新的思路，通过测量足够多的颗粒并评估其平均颗粒形状，从而统计学上准确量化颗粒的三维特性。这一方法与常用的从多个角度捕捉颗粒特征并利用卷积神经网络重建三维形态的方式有所不同。
本研究选取了六类粒径介于50–300μm的粉体颗粒，共6157个颗粒样本，采用静态和动态图像法获得了18471个随机取向的投影图像及其相关二维参数。通过对这些数据的分析，建立了包含颗粒三维特性、二维尺寸和形状参数的数据集，并深入分析了颗粒二维与三维参数之间的关联：例如，建立了根据二维形状因子预测Wadell球形度（三维）和根据Feret直径（二维）预测颗粒宽度（三维）的方程。此外，研究人员还通过动态图像分析法对这些相关性进行验证，证明了其有效性。原则上，这些关联可以帮助研究人员在处理compact particles时，通过动态图像分析预测颗粒的球形度和筛分粒度分布。
本文已OA，相关研究成果发表于PARTICUOLOGY（Volume 96），欢迎感兴趣的读者扫描下方二维码或者点击文末“阅读原文”进入ScienceDirect官网阅读、下载！
编辑：《颗粒学报》编辑部
学术审核：上海理工大学 蔡小舒教授
文章信息
Buchwald, T., Ditscherlein, R., & Peuker, U. A. (2025). Correlation of 2D and 3D particle properties with simulated particle imaging dataset. Particuology, 96, 152-170. https://doi.org/10.1016/j.partic.2024.10.008.