Grafenbildanalys genom maskininlärning
Forskningsprojekt, 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.

Deltagare

Fang Liu (kontakt)

Chalmers, Industri- och materialvetenskap, Material och tillverkning

Samarbetspartners

Chalmers Industriteknik (CIT)

Gothenburg, Sweden

Grafren AB

Linköping, Sweden

Finansiering

VINNOVA

Projekt-id: 2021-05122
Finansierar Chalmers deltagande under 2022

Mer information

Senast uppdaterat

2022-12-10