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

More information

Latest update

12/10/2022