Zpracování dat z transmisního elektronového mikroskopu

Abstract

Manual processing of transmission electron microscope (TEM) images for catalyst analysis is time-consuming and the results are subject to the evaluator's subjectivity. Currently, there is no commonly available software that automates this process. After reviewing available methods for image data processing and their compatibility with the data format, computer vision algorithms were chosen because they do not require an- notated data. For the detection of metal clusters in catalysts, LoG, DoG, DoH, MSER algorithms, and a contour-detection algorithm were used. According to the evaluation by employees of the Czech Academy of Sciences, DoG is the best algorithm. The resulting program, with minor modifications, is capable of generating data usable for deep learning, allowing this work to be further developed.

Manuální zpracování snímků transmisního elektronového mikroskopu (TEM) při ana- lýze katalyzátorů je časově náročné a výsledky podléhají subjektivitě hodnotitele. V sou- časnosti neexistuje žádný běžně dostupný software, který by tento proces automatizoval. Rešerší dostupných metod pro zpracování obrazových dat a slučitelností s formátem dat byly použity algoritmy počítačového vidění, jelikož nevyžadují anotovaná data. Pro de- tekci kovových klastrů v katalyzátorech byly použity algoritmy LoG, DoG, DoH, MSER a algoritmus pro hledání kontur. Dle vyhodnocení od pracovníků AV ČR je DoG nej- lepším algoritmem. Výsledný program je schopný s drobnými úpravami generovat data použitelná pro hluboké učení, lze tedy na výsledky této práce navázat.