メインコンテンツにスキップ
Research Microscopy Solutions
戻る
Research Microscopy Solutions
おすすめ検索項目
人気のある検索項目

ZEISS Phase Identifier

鉱物の秘密を解き明かす

自動化された顕微鏡技術は、地質学者の鉱物解析方法を一変させました。

高分解能イメージングと高機能なソフトウェアを組み合わせることで、研究者は鉱物相、結晶構造、元素組成を、より高精度かつ迅速に調べることができるようになりました。

「ZEISS Phase Identifier」は、この能力をさらに進化させます。このソリューションは、深層学習を顕微鏡データに適用し、光学、電子、X線モダリティにわたる鉱物識別とセグメンテーションを自動化します。その結果、手作業での同じ作業の繰り返しを必要とせずに、より迅速で正確な相特性評価と統計的に信頼性の高い大規模データセット生成が可能となります。

このアプローチが、複雑な試料調査を可能にし、人為的ミスを減らし、どのように地質学的プロセスを再定義するのかをご確認ください。

今すぐウェビナー視聴
ページコンテンツ
ウェビナー視聴
Phase segmentation, classification, and quantification with ZEISS SEM and Phase Identifier AI provides unbiased mineralogy and fabric information
Phase segmentation, classification, and quantification with ZEISS SEM and Phase Identifier AI provides unbiased mineralogy and fabric information

ZEISS Phase Identifier

岩石の特性評価

作業自動化は、個人や組織を困難で時間のかかる作業から解放し、戦略的かつ生産的な活動に集中できるようにする可能性を秘めています。ワークフロー全体の効率を最大化するには、微量分析技術が異なる機器間で統一されていることが重要ですが、万能型ソフトウェアパッケージに伴う過度な複雑さを避ける必要があります。

ZEISSは、2Dおよび3Dの Phase Identifier 解析エコシステムを通じて、この課題を解決します。

画像キャプション：ZEISS SEMとPhase Identifier AIを用いた相セグメンテーション、分類、定量化により、偏りのない鉱物学的情報と組織構造情報を提供

Phase Identifier AI
鉱物資源の地質学的分類解析のために

• データ主導型の分類による偏りのない評価、ライブラリ依存型ではない分類を実現
• 自動化ワークフローを活用し、化学組成に基づく迅速かつ高信頼性の鉱物分類と定量化を実行
• 化学組成、解放度、関連性情報を用いて、回収プロセス品質を評価

画像キャプション: Phase Identifier AIは、冶金プロセス評価向けに定量化された化学組成、鉱物学、解放度、およびフェーズ関連性を提供

Phase Identifier 3D
天然資源の解析のために

• 試料をそのままの形状で調査分類し、パラメータを3D測定することで、組成、鉱物間の相互関係、テクスチャを理解
• 試料加工して平坦面を露出させる必要がなく、簡単な試料処理で高い解析スループットを実現
• 非破壊イメージングにより、貴重な試料の解析や相関ワークフローが可能

画像キャプション: ZEISS XRMとPhase Identifier 3Dを使用して、花崗岩中の黄鉄鉱-モリブデン鉱脈の定量化された鉱物とテクスチャの関係を明らかにします

ウェビナーハイライト

統合ワークフロー

あらゆるスケールであらゆるモダリティを

ZEISSのマルチモーダルワークフローが、電子顕微鏡、光学顕微鏡、X線顕微鏡を単一の解析フレームワークに統合することで、2Dから3Dへの移行をシームレスに実現する方法をご紹介します。

Phase Identifier を使用すれば、すべてのピクセルとボクセルが一貫したデータセットとして貢献します。そのため、鉱物粒子から岩石体積に至るまで、テクスチャ、組成、関連性を完全な1つの文脈の中で把握できます。

ブロックされたサードパーティーのコンテンツ

Cookie設定により、ビデオプレーヤーがブロックされています。設定を変更してビデオを再生するには、以下のボタンをクリックして、「機能に関する」トラッキング技術の使用に同意してください。
画像キャプション: Phase Identifier 3Dを使用した銅硫化鉱石の鉱物学分類

AIによる「自動」相認識

分類はまかせて分析にフォーカスする

手動によるセグメンテーションでは、スケールと一貫性に限界があります。ZEISS Phase Identifier が深層学習を活用し、固定参照ライブラリを使って相を自動的に分類する方法をご確認ください。

この分類の結果として、再現性のある相識別、定量的な化学組成、形態を単一のデータセットで取得可能になります。結果的に、より迅速で分析にフォーカスできるプロセスが実現します。

データをスマートに取り扱う

データ取得時間を短縮し、発見と考察に時間を

反復作業ではなく、洞察に時間を費やしましょう。

定量データセットを収集し、それをオフラインやバッチ処理で分析する方法について詳しくご紹介します。このアプローチをとることで、プロジェクト全体で一貫した結果を生成し、試料内の新たな相互関係を明らかにすることが可能になります。

ZEISS顕微鏡部門 地球科学アプリケーション開発シニア Dr Rich Taylor リッチ・テイラー博士は、2009年にエディンバラ大学で実験岩石学の博士号を取得。その後、西オーストラリア州のカーティン大学にてSIMS（二次イオン質量分析）の専門家として勤務しました。カーティン大学の地球惑星科学部では、地球化学と年代測定学を研究し、特にイメージングと微量分析を専門としました。 2017年には、ケンブリッジ大学に移り、地球最古の物質に含まれる磁気包有物を新しい顕微鏡技術を用いて研究しました。2019年、英国カンボーンに拠点を置くZEISSに移り、地球科学アプリケーション開発のグローバル責任者を務めています。

ウェビナー登録

今すぐ登録して、ZEISSの深層学習ニューラルネットワーク（DLNN）技術が、光学顕微鏡、電子顕微鏡、X線顕微鏡を通じて鉱物分類をどのように革新するかをご確認ください

フォームを読み込み中…