Wetenschap
Krediet:CC0 Publiek Domein
Doordrenkt met speciale elektrische, mechanische en andere fysieke eigenschappen vanwege hun kleine formaat, nanovezels worden beschouwd als geavanceerde technologie in de biomedische technologie, controle van schone energie en waterkwaliteit, onder andere. Nutsvoorzieningen, onderzoekers in Italië en het VK hebben een automatisch proces ontwikkeld om de fabricagekwaliteit van nanovezels te beoordelen, het produceren van 30% nauwkeurigere resultaten dan de momenteel gebruikte technieken.
Details werden gepubliceerd op januari 2021 in IEEE/CAA Journal of Automatica Sinica , een gezamenlijke publicatie van de IEEE en de Chinese Association of Automation.
"In recente jaren, nanogestructureerde materialen hebben een voortdurend groeiende belangstelling gekregen, zowel in wetenschappelijke als industriële contexten, vanwege hun onderzoeksaantrekkingskracht en veelzijdige toepassingen, " zei papierauteur Cosimo Ieracitano, onderzoeker in de Neurolab Group, Afdeling Civiele Techniek, Energie, Milieu en materialen, Universiteit Mediterranea van Reggio Calabria. "Het succes van nanovezeltoepassingen vereist speciale aandacht voor de kwaliteit van nanomateriaal en het generatieproces."
Nanovezels worden geproduceerd door een hoge spanning toe te passen op een injectiespuit die een polymeeroplossing en een draaiende collector bevat. De oplossing, aangedreven door de elektrische lading, straalt uit op de collector en resulteert in nanovezels. Voor een product dat uniformiteit vereist, bijvoorbeeld een nanovezel die bedoeld is als steiger om cellen te laten groeien, zal resulteren in ongelijkmatige groei als deze een klont of een gat bevat, of het kan misschien niet groeien als er een film op zit - het huidige productieproces is behoorlijk rommelig.
Om afwijkingen te voorkomen, technici bewaken de vezelproductie met behulp van een scanning elektronenmicroscoop die de topografie van de vezels nauwkeurig kan bepalen, evenals hun samenstelling. Vervolgens bekeken ze de beelden visueel. Volgens Ieracitano, het is een tijdrovend proces dat afhankelijk is van mensen, die vermoeid kunnen raken en fouten kunnen maken.
"In de productieketen van nanomaterialen, een cruciale stap is het praktisch implementeren van automatisering in het identificatieproces van defecten om het aantal laboratoriumexperimenten en de last van de experimenteerfase te verminderen, ' zei Ieracitano.
Het onderzoeksteam ontwierp een automatisch proces in twee delen om homogene nanovezels te maken. Een auto-encoder, een soort machine learning-software, hakt de scanning-elektronenmicroscoopbeelden in kleinere stukjes en vertaalt ze in code. Die code wordt omgezet in basisversies van de originele afbeeldingen, rekenkracht verminderen, maar nog steeds eventuele anomalieën benadrukken. Een andere machine-learningprocessor beoordeelt het beeld, op zoek naar eventuele structurele gebreken. Als hij er een vindt, het verwerpt de nanovezel als defect.
"Opmerkelijk, het voorgestelde systeem presteert beter dan andere standaard machine learning-technieken, evenals andere recente state-of-the-art methoden, met een nauwkeurigheid tot 92,5%, " zei Ieracitano. De momenteel gebruikte technieken zijn meestal 64 tot 66% nauwkeurig.
Wetenschap © https://nl.scienceaq.com