Grafenbildanalys genom maskininlärning
Research Project, 2022
Syfte och mål
Vi strävar efter att tillhandahålla en allmän karakteriseringsteknik som är lämpad för stor skala, med låg kostnad och som möjliggör noggrann och kvantitativ utvärdering av grafenflagor. Detta kommer att uppnås genom att kombinera det senaste automatiserade optiska mikroskopet och metoder för maskininlärning.
Förväntade effekter och resultat
Vi kommer att kombinera kunskap om grafen och dess karakteriseringsmetod genom optisk mikroskopi, och erfarenhet av maskininlärning av bildanalys för att utveckla en teknik för snabb utvärdering av grafenflingor. Vi förväntar oss att nå följande resultat: 1. Erhålla hög kvalitet och stora data från automatiserad optisk mikroskopi. 2. Testa och välja en eller två algoritmmetoder för bildanalys med 70-80% noggrannhet. 3. Utvärdera den tekniska potentialen och beslutsfattande för nästa steg.
Participants
Fang Liu (contact)
Chalmers, Industrial and Materials Science, Materials and manufacture
Collaborations
Grafren AB
Linköping, Sweden
Stiftelsen Chalmers Industriteknik
Gothenburg, Sweden
Funding
VINNOVA
Project ID: 2021-05122
Funding Chalmers participation during 2022