Автор AZoNano 25 марта 2021 г.

Изображение предоставлено: whitehoune / shutterstock.com

Нановолокна, обладающие уникальными механическими, электрическими и другими физическими свойствами из-за их небольшого размера, считаются передовой технологией в области контроля качества воды, чистой энергии и биомедицинской инженерии, среди прочего .

Ученые Италии и Великобритании разработали автоматический процесс оценки качества изготовления нановолокон, который дает на 30% более точные результаты, чем методы, используемые сегодня.

Результаты исследования были опубликованы в IEEE / CAA Journal of Automatica Sinica совместной публикации IEEE и Китайской ассоциации автоматизации, в январе 2021 года.

В последние годы наноструктурированные материалы вызывают постоянно растущий интерес как в научном, так и в промышленном контексте из-за их исследовательской привлекательности и универсальности . Успех применения нановолокна требует особого внимания к качеству наноматериала и процессу производства .

Козимо Иерацитано, автор исследования и научный сотрудник Neurolab Group, Департамент гражданского строительства, энергетики, окружающей среды и материалов, Университет Mediterranea в Реджо-Калабрии

Для производства нановолокон высокое напряжение подается на шприц, содержащий вращающийся коллектор и раствор полимера. Раствор, подпитываемый электрическим зарядом, просачивается на коллектор и превращается в нановолокна.

Для продукта, требующего однородности – например, нановолокно, предназначенное для использования в качестве основы для культивирования клеток, приведет к неравномерному росту, если в нем есть отверстие или комок, или он не сможет вырастить какие-либо клетки, если на нем есть пленка. над ним – нынешний производственный процесс весьма неупорядочен.

Чтобы избежать аномалий, техники отслеживают производство волокон с помощью сканирующего электронного микроскопа, который может точно установить топографию волокон, а также их состав. Затем техники визуально проверили изображения.

Согласно Иерацитано, это трудоемкий процесс, в котором задействованы люди, которые могут истощаться и совершать ошибки.

В производственной цепочке наноматериалов решающим шагом является практическая реализация автоматизации процесса идентификации дефектов, чтобы уменьшить количество лабораторных экспериментов и нагрузку на этапе экспериментов .

Козимо Иерацитано, автор исследования и научный сотрудник Neurolab Group, Департамент гражданского строительства, энергетики, окружающей среды и материалов, Университет Средиземноморья в Реджо-ди-Калабрия

Исследователи разработали двухэтапный автоматический процесс получения однородных нановолокон. Автоэнкодер – разновидность программного обеспечения для машинного обучения – разбивает изображения, полученные с помощью сканирующего электронного микроскопа, на более мелкие части и преобразует их в код. Этот код превращается в более фундаментальные версии исходных изображений, уменьшая вычислительную мощность, но все же подчеркивая любые существующие аномалии.

Еще один процессор машинного обучения оценивает изображение в поисках каких-либо структурных дефектов. Если он обнаруживает один, он отклоняет нановолокно как дефектный кусок.

Примечательно, что предлагаемая система превосходит другие стандартные методы машинного обучения, а также другие современные методы, обеспечивая точность до 92,5% .

Козимо Иерацитано, автор исследования и научный сотрудник Neurolab Group, Департамент гражданского строительства, энергетики, окружающей среды и материалов, Университет Средиземноморья в Реджо-Калабрии

Используемые сегодня методы обычно имеют точность от 64% до 66%.

Ссылка на журнал:

Иерацитано, С., и др. . (2021) Новая автоматическая система классификации на основе гибридного неконтролируемого и контролируемого машинного обучения для электропряденых нановолокон. IEEE / CAA Journal of Automatica Sinica . doi.org/10.1109/JAS.2020.1003387.

Источник: http://en.caa.org.cn/[19459008visible