Prakt. Met. Sonderband 52 (2018) 341 
Statistische Analyse und Modellierung von komplexen 
Partikelsystemen in 3D mittels tomographischer Bilddaten 
O. Furat*, B. Prifling*, D. Westhoff* , M. Weber* und V. Schmidt“ 
* Institut fur Stochastik, Universitat Ulm, 89069 Ulm, Deutschland 
Abstrakt 
Geometrisch komplexe Partikelsysteme, bei denen die einzelnen Partikel disperse Größen 
und unregelmäßige nicht sphärische Formen aufweisen, treten in zahlreichen 
Anwendungsgebieten auf. Ein Beispiel hierfür sind sogenannte Aktivpartikel-Systeme, 
welche eine wichtige Komponente in Elektroden von Lithium-lonen-Batterien darstellen. 
In bergbaulichen Aufbereitungsprozessen werden darüber hinaus Partikelsysteme 
untersucht, für die die Partikel neben dispersen Größen und Formen zusätzlich auch 
unterschiedliche stoffliche Eigenschaften besitzen. Anhand dieser beiden Beispiele werden 
Methoden erläutert, um die 3D-Morphologie von geometrisch komplexen Partikelsystemen 
mit Hilfe von tomographischen Bilddaten zu analysieren und stochastisch zu modellieren. 
Grundlage hierfür ist die phasen- bzw. partikelbezogene Segmentierung der voxelbasierten 
Bilddaten. Durch das Fitten von geometrischen Bildkenngrößen werden anschließend 
parametrische stochastische Strukturmodelle an Realdaten angepasst, wodurch eine 
deutliche Komplexitätsreduktion erreicht wird. Unter Einbeziehung zusätzlicher 
bildgebender Verfahren, wie beispielsweise Rasterelektronenmikroskopie, können auch 
weitere stoffliche Informationen _in die Modelle integriert werden, 
1. Einleitung 
Bildgebende Verfahren, welche die 3D-Mikrostruktur von Materialien sichtbar machen, 
erlauben es, Zusammenhänge zwischen Kenngrößen der Mikrostruktur und der 
Funktionalität der Materialien zu analysieren. Ein wichtiges Hilfsmittel für solche Analysen 
sind Methoden der Bildverarbeitung, die zur Aufbereitung der Bilddaten dienen. Für die 
Analyse von partikelbasierten Materialien sind dabei insbesondere Segmentier- 
Algorithmen von großer Bedeutung, die es ermöglichen, die einzelnen Partikel aus den 
Bilddaten zu extrahieren. Basierend auf den Ergebnissen der Mikrostrukturanalyse können 
anschließend parametrische stochastische 3D-Modelle an die aufbereiteten 
tomographischen Bilddaten angepasst werden. Dadurch ist es möglich, eine große 
Bandbreite an virtuellen, aber dennoch realistischen Morphologien zu generieren [1,2,3]. 
Diese können für modellbasierte Computersimulationen verwendet werden, um 
Zusammenhänge zwischen Kenngrößen der Struktur und den physikalischen oder ; 
elektrochemischen Eigenschaften der Materialien zu erkennen und zu quantifizieren [4] 
Dieser Ansatz des virtuellen Material-Testens ermöglicht es, den Aufwand für zeit- und 
kostenintensive_Laborexperimente zu verringern. 
In diesem Artikel werden zwei exemplarische Anwendungen der oben beschriebenen 
Methodik zur Analyse und Modellierung von _Mikrostrukturen vorgestellt. ZunächsStami