Weakly Supervised Deep Representations For The Characterization Of Nanostructured Metallic Foams From Pore Geometrical Features

El método de electrodeposición con plantilla dinámica de burbujas de hidrógeno (DHBT, por sus siglas en inglés) es una técnica versátil para la síntesis de espumas metálicas (MFs) nanoestructuradas con arquitecturas porosas complejas. Comprender la relación entre la geometría de los poros y las propiedades mecánicas y electroquímicas de estas espumas es esencial. Sin embargo, los métodos tradicionales de caracterización siguen siendo laboriosos, subjetivos y propensos a errores. En este trabajo de investigación, se propusieron dos enfoques computacionales para apoyar la caracterización de MFs. Estos métodos se probaron en un conjunto de espumas bimetálicas de aleación Cu-Ni con diferentes proporciones Cu/Ni sintetizadas mediante DHBT, analizando un total de 923 micrografías de tres composiciones químicas distintas. El primer enfoque segmentó la estructura porosa de las espumas y extrajo descriptores básicos de forma, como la distribución del área y perímetro de los poros, el diámetro equivalente y el recuento total de poros. También se analizó la distribución del tamaño de los poros y se cuantificó la capacidad de las espumas CuNi para eliminar mercurio, logrando una capacidad de segmentación promedio del 91\% y una precisión y exhaustividad promedio del 83\% y 80\%, respectivamente. El segundo enfoque introdujo una aproximación basada en desentrelazamiento de propiedades para caracterizar automáticamente las espumas metálicas a partir de características observadas en las micrografías, regularizadas con atributos geométricos de los poros. Este descriptor permitió clasificar las espumas según su composición química, logrando una precisión y exhaustividad promedio del 84\% y 80\%, respectivamente. Los resultados revelan una correlación significativa entre la proporción Cu/Ni y la estructura porosa de las espumas Cu/Ni, proporcionando herramientas valiosas para diseñar espumas con aplicaciones específicas y relacionar composición y morfología.