编辑推荐：
本期推荐研究人员开发了一个名为Fiber Analyzer的自动化多尺度形态计量学分析框架，旨在解决纤维-颗粒混合形貌纳米复合材料微观结构精准定量表征的难题。该研究整合了基于Frangi滤波的双通道形态判别器和自适应轮廓直径估计（ACDE）等关键技术，在保持高效处理速度（19-25秒/ROI）的同时，对纯纤维及复杂纳米复合材料实现了7.17% ± 1.29%的平均测量误差，显著提升了表征的准确性、可重复性和效率，为材料科学领域的微观结构-性能关系研究提供了有力工具。
在现代科技的广阔天地中，从高效过滤膜、组织工程支架到柔性电子器件，从先进纺织品到高性能复合材料，纤维材料无处不在。这些材料的宏观性能，如强度、透气性、导电性，往往被其微观世界的“相貌”——纤维的直径、排布、网络结构所牢牢掌控。然而，当我们试图用显微镜（如扫描电镜SEM、透射电镜TEM）窥探这个微纳世界，并对其进行精确的“体检”时，却发现困难重重。传统的手动测量方法不仅耗时费力，其主观性也导致结果因人而异，缺乏可比性。而在更为复杂的纳米复合材料中，细长的纤维与离散的颗粒“共处一室”，彼此交织，使得常规的自动化图像分析方法频频“失灵”，无法准确区分这两种形态，导致最终的统计数据严重失真。如何实现快速、准确、可重复地对这些复杂的纤维网络，特别是混合形貌体系，进行定量的形态学“体检”，成为了材料科学家们亟待攻克的关键挑战。
为了回答这一难题，研究人员在《ACS Omega》上发表了一项研究，开发并验证了一个名为“Fiber Analyzer”的全自动化、多尺度形态计量学分析框架。这项研究旨在突破传统方法的局限，为复杂纤维网络，尤其是纤维-颗粒共存的纳米复合材料，提供一套高精度、高效率的定量分析解决方案。该框架的核心在于其创新的算法集成和用户友好的交互界面，最终在多种样品上验证了其优异的性能，平均误差率控制在8%以内，为材料微观结构-性能关联研究提供了强有力的新工具。
为开展此项研究，研究人员主要运用了以下几个关键技术方法：首先，开发了针对不同样品类型的双通道处理策略，对纯纤维网络采用Frangi滤波进行多尺度管状结构增强，对纤维-颗粒混合体系则采用高斯模糊引导的掩膜生成结合纵横比阈值过滤进行形态学区分。其次，提出了自适应轮廓直径估计（ACDE） 方法，利用活动轮廓模型沿纤维骨架点进行精确的局部边界拟合与直径计算。此外，还引入了基于纤维方向的经验性直径校正因子，以补偿算法系统误差。所有算法通过Python集成到一个基于Tkinter的图形用户界面（GUI） 中，并利用扫描电子显微镜（SEM） 对电纺制备的纯聚合物纤维（如PAN-b-PMMA, PAN）和热解制备的钴碲化物（CoTe2）-碳纳米纤维-颗粒纳米复合材料进行了成像，作为验证样本。
研究结果部分通过详实的数据和图示展示了该框架在不同类型样品上的性能：
- •
在纯纤维网络上的性能：该框架成功分析了三种不同的纯电纺纤维网络。例如，对于样品A和B，自动化测得的平均纤维直径分别为0.456 μm和0.479 μm，与手动测量结果相比，误差分别为7.14%和6.98%。框架还能同时输出纤维直径分布直方图和方向性分析结果，计算出样品的方向性指数（R值，1为完全定向，0为随机）和网络覆盖率等参数，实现了对网络结构的全面量化。
- •
在混合形貌体系上的性能：这是本研究的重点和难点。框架成功应用于两种含有CoTe2颗粒的碳纳米纤维纳米复合材料。其双通道分析有效地区分了纤维和颗粒。以样品D为例，自动化分析得到纤维平均直径为0.365 μm，而独立的颗粒种群分析显示其平均直径为0.060 μm，两者被清晰分离并分别统计，避免了颗粒污染对纤维统计数据的影响。该样品的方向性指数为0.583。在更具挑战性的样品E（颗粒密集附着于纤维表面）中，框架依然稳健，纤维直径测量误差为8.57%。
- •
准确性与效率评估：对全部五个样品的定量验证表明，自动化测量的平均误差为7.17% ± 1.29%，范围在5.13%至8.57%之间。尤其值得注意的是，在混合形貌样品上取得了最低（5.13%）和可接受（8.57%）的误差，证明了形态学区分策略的有效性。处理每个感兴趣区域的平均时间仅为19至25秒，相比手动测量效率大幅提升。
- •
方法论进展与性能分析：研究深入探讨了框架成功的关键。模糊引导的纤维掩膜通过抑制颗粒对应的高频空间特征，同时保留纤维的低频模式，实现了干净的纤维分割。ACDE方法通过活动轮廓适应局部不规则的纤维边界，提供了亚像素精度的直径测量。经验性直径校正则通过方向加权函数补偿了算法固有的系统偏差，将平均误差从未校正时的20-35%大幅降低。与现有工具（如DiameterJ）或需要大量标注数据和专用硬件的深度学习方法相比，本框架在准确性、易用性和通用性之间取得了良好平衡。
结论与讨论部分对本研究的意义进行了总结和展望。该工作通过Fiber Analyzer框架，在电纺纳米纤维和纤维增强纳米复合材料的自动化形态计量分析领域取得了显著进展。其最核心的创新在于双通道形态判别器，它能够自适应地处理样品复杂性，从而解决了混合形貌纳米复合材料中颗粒污染导致统计失真的根本性难题。综合验证表明，该框架在保持高效率的同时，达到了与手动测量可比的高精度（平均误差约7.17%）。除了单根纤维的直径，框架还能提供网络覆盖度、孔隙率和骨架段统计等多尺度网络度量，全面表征材料结构。
该软件免费提供并配有交互式图形界面，无需编程知识即可使用，显著降低了先进图像分析技术在材料表征实验室的应用门槛。尽管当前框架在100-900 nm直径范围的電紡系統上表現良好，但未来可进一步扩展至信噪比更低的亚100 nm体系，或集成基于图论的纤维追踪以获得离散纤维计数等信息。总体而言，这项研究为材料科学界，特别是在电纺工艺优化和纳米复合材料开发领域，提供了一个经过验证、易于使用的定量显微分析解决方案。它通过整合专业的判别算法、自适应测量技术和投影校正，为复杂纤维-颗粒系统的自动化形态计量分析设立了新标准，有力地桥接了先进计算机视觉技术与实际实验室应用之间的鸿沟。
