Ziel der automatisierten Partikel- und Einschlussanalytik mittels SEM-EDX ist es, viele Objekte möglich schnell zu erfassen und zu untersuchen (siehe Phenom ParticleX von ThermoFisher). Der initiale Schritt der Objekterkennung ist für den Erfolg der Automatisierung entscheidend.
Klassische Segmentierung
Die klassische Objekterkennung erfolgt über einen Schwellwert der Graustufe. Das BE-Bild ist ideal, da es den Materialkontrast zeigt. So können anorganische Partikel auf einem organischen Filtermaterial über einen Schwellwert „heller als“ und oxidische Einschlüsse in Metallen über einen Schwellwert „dunkler als“ problemlos erfasst werden.
Dieser Ansatz stößt an seine Grenzen, wenn sich die Objekte nur geringfügig vom Hintergrund unterscheiden. Bei der nachfolgenden Probe handelt es sich um eine mit Platin beschichtete Folie. Das Ziel der Analyse bestand darin, Bereiche mit verklumpten Platininseln zu detektieren, da diese sich negativ auf den Nachfolgeprozess auswirken. Der Mensch erkennt die Verklumpungen im Bild leicht. Eine automatisierte Erfassung über die Graustufe gelingt jedoch nicht, da das umgebende Material ebenfalls aus Platin besteht.
Segmentierung gestützt durch KI
Für das Phenom ParticleX hat ThermoFisher kürzlich eine KI-gestützte Segmentierung entwickelt, die eine Objekterkennung ohne klare Graustufentrennung ermöglicht. Um dieses Verfahren zu verwenden, muss der Anwender zunächst ein individuell konfiguriertes KI-Modell anhand von 30 bis 40 Einzelbildern trainieren. Das Modell ist anschließend in der Lage, die Verklumpungen gezielt vom Hintergrund zu differenzieren. Dadurch gelingt die vollautomatische Erfassung der Defekte und eine Vermessung der Anzahl, Größe, Form und Chemie.
Ein weiterer Vorteil bei dieser konkreten Aufgabenstellung ist die große Probenkammer des Phenom ParticleX SEM-EDX. Dadurch war es möglich, die gesamte Probe des Kunden mit einer Abmessung von 100 x 100 mm ohne Zuschnitt zu analysieren und die Verklumpungen über eine sehr große Fläche statistisch zu erfassen. Hier das quantitative Ergebnis:
| Defekte größer als | Anzahl | Defektfläche/Gesamtfläche |
|---|---|---|
| > 100 µm | 98 | 0,019 % |
| 50 – 100 µm | 785 | 0,034 % |
| 10 – 50 µm | 8637 | 0,106 % |
