• Aucun résultat trouvé

CARACTÉRISATION DE LA MORPHOLOGIE DE CHARGES PAR MICROSCOPIE ÉLECTRONIQUE À TRANSMISSION, ANALYSE D'IMAGES, ET TRAITEMENT DES DONNÉES

N/A
N/A
Protected

Academic year: 2021

Partager "CARACTÉRISATION DE LA MORPHOLOGIE DE CHARGES PAR MICROSCOPIE ÉLECTRONIQUE À TRANSMISSION, ANALYSE D'IMAGES, ET TRAITEMENT DES DONNÉES"

Copied!
5
0
0

Texte intégral

(1)

HAL Id: jpa-00223965

https://hal.archives-ouvertes.fr/jpa-00223965

Submitted on 1 Jan 1984

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

CARACTÉRISATION DE LA MORPHOLOGIE DE CHARGES PAR MICROSCOPIE ÉLECTRONIQUE À

TRANSMISSION, ANALYSE D’IMAGES, ET TRAITEMENT DES DONNÉES

B. Brachon, Y. Chevallier, B. Gariazzo, J. Marnat, M. Thévenard, P. Lamy

To cite this version:

B. Brachon, Y. Chevallier, B. Gariazzo, J. Marnat, M. Thévenard, et al.. CARACTÉRISATION DE

LA MORPHOLOGIE DE CHARGES PAR MICROSCOPIE ÉLECTRONIQUE À TRANSMISSION,

ANALYSE D’IMAGES, ET TRAITEMENT DES DONNÉES. Journal de Physique Colloques, 1984,

45 (C2), pp.C2-235-C2-238. �10.1051/jphyscol:1984252�. �jpa-00223965�

(2)

JOURNAL DE PHYSIQUE

Colloque C2, supplément au n02, Tome 45, février 1984 page C2-235

C A R A C T ~ R I S A T I O N DE LA MORPHOLOGIE DE CHARGES PAR MICROSCOPIE ÉLECTRON I QUE h TRANSMI ss I ON, ANALYSE D' IMAGES

I

ET TRAITEMENT DES DONNÉES

B. Brachon, Y. Chevallier, B. Gariazzo, J. Marnat, M. Thévenard et P. Lamy

Rhône PouZenc Recherches, 24, avenue Jean Jaurès, B. P. 5, 69151 Décines Charpieu Cedex, France

Résumé - Traitement statistique par une méthode descriptive multidimension- nelle des informations issues d'un analyseur d'images.

Abstract - The datasof an image are statistically processed by a descriptive multidimensional analysis.

INTRODUCTION

Les travaux effectués sur le pouvoir renforçant des noirs de carbone dans les vulcanisats (11, (2) ont mis en évidence le rôle de la morphologie des particules.

L'incorporation de différentes charges dans diverses matrices, nous a conduits à développer une procédure permettant de comparer divers échantillons.

MOYENS MIS EN OEUVRE

La microscopie électronique B transmission est apparue comme la technique adéquate pour obtenir une vision de la structure microscopique d'une charge moyennant une préparation adaptée des grilles de microscopie.

Une vision d'ensemble de la charge ne peut être obtenue que si l'on observe un grand nombre d'objets (300 B 600). Compte tenu de la taille de l'échantillonnage il est indispensable de mettre en œuvre une technique susceptible de mesurer rapidement des paramètres de morphologie.

La première partie de cette étude a été réalisée à l'aide :

- d'un M.E.T. Je01 200 CX avec prise de cliché photographique

- d'un Analyseur d'images Cambridge QTM 800 équipé d'un macroviewer Elle se poursuivra avec un quantimet 900 en ligne sur un Je01 Temscan 1200 EX.

(1) - MEDALIA A.I. Rubber Chem. Technol. (1969) 1496 (2) - HESS W.M. Mc DONALD G.C. et WHITLOCK W.

Rubber Chem. Technol. (1971) 955

Article published online by EDP Sciences and available at http://dx.doi.org/10.1051/jphyscol:1984252

(3)

C2-236 JOURNAL DE PHYSIQUE

Fig. 1

L'analyse d'images fournit une série de variables(voir Fig. 1) caracté- ristiques de la morphologie dans un espace à deux dimensions.

Les fonctions précablées du QTM 800 permettent une acquisition très rapide de ces données et sa concep- tion facilite la création de fichiers informatiques pour le stockage des données.

TRAITEMENT DES DONNEES

Afin d'avoir une vision globale :

- des corrélations entre variables

- de la répartition des échantillons, l'ensemble des données accumulées dans le fichier (16000) a été traité en analyse factorielle par composantes principales.

Cette méthode permet d'extraire rapidement l'information contenue dans un tableau rectangulaire de valeurs numériques dont les dimensions sont telles qu!elles constituent un obstacle à l'assimilation rapide de l'information contenue dans cet ensemble de nombres.

On peut considérer qu'un tableau (exprimé en données centrées réduites), de P variables numériques continues et N observations, définit les composantes :

- de P vecteurs variables dans un espace à N dimensions

- de N vecteurs observations dans un espace à P dimensions.

L'analyse en composantes principales permet de représenter les P vecteurs variables ou les N vecteurs observations dans un espace à 2 ou 3 dimensions avec le minimum de perte d'informations (recherche des axes principaux d'inertie appelés axes factoriels) sans qu'il soit nécessaire de faire des hypothèses particulières préalables.

RESULTATS

L'objectif de notre étude est de trouver une procédure permettant de comparer des

populations (=50) constituées d'environ 300 objets. Pour une population donnée

une variable peut être identifiée soit par l'ensemble des valeurs des 300 objets,

soit par la valeur moyenne et les caractéristiques de la distribution (variance,

dissymétrie, aplatissement). Nous avons donc appliqué l'analyse en composantes

principales soit à l'ensemble du fichier (16000 lignes 9 colonnes), soit à l'ensem-

ble des valeurs moyennes de chacune des variables pour chacune des populations.

(4)

75 % de l'information contenue dans notre tableau est restituée par le plan factoriel défini par les deux premiers axes factoriels FI et F2.

La projection des vecteurs varia- bles dans ce plan factoriel (voir Fig. 2) visualise quelles sont les corrélations entre les variables. Elle montre également que l'on peut définir un objet

(OU une population d'objets issus d'un même échantillon) de manière univoque par une notion de taille et par une notion de forme expli- citant l'aspect sinueux du contour de l'objet.

ESPACE .. .

. . .

.

.

. .

. . .

. . DES OBSERVAT~ONS . .

. . . .

.

.

. .

. .

. .. . . - . . .

. . .

. . . . . ..

!?!eu!. .. .rnoxenne.

Fig. 3

La projection des vecteurs

observations obtenus à

partir des valeurs moyennes

(Fig. 3 ) permet d'avoir une

vision globale des caracté-

ristiques de chacune des

populations.

(5)

JOURNAL DE PHYSIQUE

ESPACE DES OBSERVATIONS ---. .. .-- ---- .. .- .- .- .- .- .- ensemble du fichier

-

ENVelOPPE DES NUAGES

--- Si l'on souhaite approfondir la comparaison, on peut, sur un nombre restreint de populations, étudier la projection des vecteurs obser- vations obtenus à partir de l'en- semble des données de chacune des populations.

Sur l'exemple donné (Fig.&) nous n'avons représenté pour chacune des populations que l'enveloppe du nuage associé à son barycentre.

Fig. 4 CONCLUSION

Cette analyse statistique a permis de déterminer, pour toutes les variables mesurées par le Quantimet, celles qui sont significatives.

Ceci nous permet de réduire, avec un minimum de perte d'information, le nombre

de variables de morphologie à introduire dans une autre analyse statistique

faisant également intervenir des variables de synthèse ou d'applications.

Références

Documents relatifs

 La somme des carrés expliquée par la typologie en K classes est égale à la somme des carrés inter-classes de la typologie en K classes.  La qualité de la typologie

PUISS CYLI CoupleMax i LONG LARG HAUT COFFRE RESE POIDS VITE CONS PRIX. Correlation is signific ant at t he 0.01 lev

Note : Dans le cas de l'acp de la matrice des corrélations, les coordonnées des variables sont égales aux corrélations entre les variables et les différents vecteurs propres

PSY38X2 : Traitement de données en Psychologie - TD N°4 Analyse en Composantes Principales avec Minitab et Modalisa?. 1) Présentation

L’algorithme de ”recherche directe du sous-espace” peut ˆetre perc¸u comme un algorithme qui ”saute” les donn´ees manquantes via l’introduction d’une matrice de poids dans

cation de ces ressemblances par le calcul de distances euclidiennes entre les indi- vidus rendu possible par le choix d’une métrique Q sur RP.. L’ANALYSE EN

Les résultats rassemblés ici peuvent se résumer ainsi : la trace de la matrice à diagonaliser est une bonne mesure de l’importance d’un facteur dans les cas

Nous recherchons un codage des variables nominales (à chaque modalité de chaque variable nominale sera associé un nombre réel) tel que l’analyse en composantes