不同热解温度骨炭孔隙结构的Micro-CT原位三维可视化表征

骨炭作为不同动物源骨粉资源化利用的一种重要产物,含有丰富的孔隙结构和活性位点,可被用作于催化剂载体或水体、土壤等环境中的吸附剂。为了三维、原位可视化表征不同动物源骨炭颗粒的孔隙结构特征,选择热解温度为400、500、600、700、800℃的猪、牛骨炭颗粒为研究对象。骨炭颗粒Micro-CT扫描条件为:管电压50 kV、管电流200 mA、图像分辨率10μm;Micro-CT图像二值化方法为Adaptive mean-C。结果表明:UM和ACE相结合的Micro-CT图像滤波处理方法最优;不同热解温度骨炭颗粒的断层结构图像和容积模型与电镜结果相近;骨炭颗粒比表面积、孔隙率和孔径分布的定量表征结果与实验室BET法的测定值相吻合。研究结果可为骨炭孔隙结构原位三维分析提供一种非破坏、可视化的表征新手段。

基于机器学习的鸡、牛骨颗粒Micro CT原位可视化鉴别

不同种属动物源肉骨粉的快速鉴别分析技术是加强饲料监管、防范疯牛病传播的重要保障。为了探索使用显微X射线计算机断层成像技术(Micro computed tomography,Micro CT)快速鉴别分析不同种属动物源肉骨粉的可行性,本研究以制备的哺乳动物源牛骨颗粒和非哺乳动物源鸡骨颗粒各100个作为样品集,以不同相对位置鸡、牛骨颗粒以及鸡骨颗粒中牛骨颗粒质量分数约0.97%分别制备验证集,使用Bruker Skyscan 1275 Micro CT对所有样品进行扫描和图像重构(管电压80 kV、管电流125μA,图像分辨率10μm,重构灰度图像灰度阶为0~255,对应X射线吸收系数为0~0.035);提取不同骨颗粒样品的感兴趣区域进行图像分割,并结合PLS DA和SVM DA机器学习算法分别构建鸡和牛骨颗粒分割模型。研究结果表明,鸡、牛骨颗粒图像分割感兴趣区域灰度区间为165~255,基于PLS DA和SVM DA模型的鸡、牛骨颗粒鉴别交互验证总准确率均为94%,验证集样品的Micro CT三维原位可视化表征结果经验证与样品实际结果一致。结果表明,Micro CT结合PLS DA和SVM DA机器学习算法进行哺乳和非哺乳动物源骨颗粒的鉴别分析是可行的。本研究为不同种属动物源饲料的快速、无损鉴别提供了新的三维原位可视化表征手段。