Ny automatiseret proces gør vurdering af nanofiberfremstilling 30 % mere nøjagtig

Gennemsyret af speciel elektrisk, mekaniske og andre fysiske egenskaber på grund af deres lille størrelse, nanofibre betragtes som førende teknologi inden for biomedicinsk teknik, ren energi og vandkvalitetskontrol, blandt andre. Nu, forskere i Italien og Storbritannien har udviklet en automatisk proces til at vurdere kvaliteten af ​​nanofiberfremstilling, producerer 30 % mere nøjagtige resultater end aktuelt anvendte teknikker.

Detaljer blev offentliggjort januar 2021 i IEEE/CAA Journal of Automatica Sinica , en fælles udgivelse af IEEE og Chinese Association of Automation.

"I de seneste år, nanostrukturerede materialer har vundet konstant voksende interesse både i videnskabelige og industrielle sammenhænge, på grund af deres forskningsappel og alsidige anvendelser, " sagde papirforfatter Cosimo Ieracitano, forskningsstipendiat i Neurolab-gruppen, Institut for Byggeri, Energi, Miljø og materialer, Universitetet Mediterranea i Reggio Calabria. "Succes med nanofiberapplikationer kræver, at der lægges særlig vægt på kvaliteten af ​​nanomateriale og genereringsprocessen."

Nanofibre fremstilles ved at påføre en højspænding på en sprøjte, der indeholder en polymeropløsning og en roterende opsamler. Løsningen, drevet af den elektriske ladning, stråle ud på opsamleren og resulterer i nanofibre. For et produkt, der kræver ensartethed – f.eks. en nanofiber beregnet som stillads til at dyrke celler vil resultere i ujævn vækst, hvis den indeholder en klump eller et hul, eller det er måske ikke i stand til at vokse noget, hvis det har en film på sig - den nuværende produktionsproces er ret rodet.

For at forhindre uregelmæssigheder, teknikere overvåger fiberproduktionen ved hjælp af et scanningselektronmikroskop, der præcist kan bestemme fibrenes topografi, samt deres sammensætning. De inspicerede derefter billederne visuelt. Ifølge Ieracitano, det er en tidskrævende proces, der afhænger af mennesker, som kan blive trætte og lave fejl.

"I produktionskæden af ​​nanomaterialer, et afgørende skridt er praktisk at implementere automatisering i fejlidentifikationsprocessen for at reducere antallet af laboratorieforsøg og byrden af ​​eksperimenteringsfasen, " sagde Ieracitano.

Forskerholdet designede en todelt automatisk proces til homogene nanofibre. En autoencoder, en type maskinlæringssoftware, hakker scanningselektronmikroskopbillederne i mindre stykker og omsætter dem til kode. Denne kode gengives til mere grundlæggende versioner af de originale billeder, reducerer computerkraften, men fremhæver stadig eventuelle uregelmæssigheder. En anden maskinlæringsprocessor vurderer billedet, leder efter eventuelle strukturelle fejl. Hvis den finder en, det afviser nanofiberen som defekt.

"I særdeleshed, det foreslåede system overgår andre standard maskinlæringsteknikker, såvel som andre nyere avancerede metoder, rapporterer en nøjagtighed på op til 92,5 %, " sagde Ieracitano. I øjeblikket anvendte teknikker er typisk 64 til 66% nøjagtige.