Bildanalys av grafen och utveckling av modeller med artificiell intelligens
Forskningsprojekt, 2024
– 2025
Syfte och mål: Svenska grafenföretag skalar upp sina grafenprodukter och det är mycket förväntat att det finns en effektiv in-line kvalitetskontrollmetod för hög volym, tillförlitlig och repeterbar grafenproduktion. Detta kommer att spara tillverkares tid, pengar och skapa en konkurrensfördel på den växande marknaden för grafen. Syftet med projektet är att ta fram en generell bildteknik med hög genomströmning och låg kostnad som möjliggör noggrann och kvantitativ utvärdering av grafenflingor. Detta kommer att kombinera automatiserat optiskt mikroskop och djupinlärningsalgoritm. Förväntade effekter och resultat: I det här projektet kommer vi att förbereda proverna enligt standarden och använda optiskt mikroskop för att få bilder av hög kvalitet och stor kvantitet. Den utvecklade djupinlärningsalgoritmen kommer att hantera utmaningarna mot förändringar i optiska mikroskopiförhållanden. Det förväntas att denna metod är robust och kommer att ge en generaliserad 2D-materialdetektor som inte kräver finjustering av parametrarna. TRL kommer att nå 3-4 när projektet är avslutat och det kommer att främja den tekniska mognaden av grafenprodukter i Sverige. Upplägg och genomförande: Detta projekt omfattar provberedning och karaktärisering, bildprocess och analys samt metodutveckling för djupinlärning. Slutligen kommer den utvecklade koden att överföras till industripartnerna. Månatliga möten kommer att hållas för att övervaka projektets framsteg, och vi kommer att utbilda industripartnerna i grundläggande kunskaper om maskininlärning. Mikroskopleverantörerna kommer att kontaktas för att följa den mest avancerade hårdvaru- och programvarutekniken och vara redo för framtida tillämpning.
Deltagare
Jinhua Sun (kontakt)
Chalmers, Industri- och materialvetenskap, Material och tillverkning
Samarbetspartners
Chalmers Industriteknik (CIT)
Gothenburg, Sweden
Glenntex AB
Göteborg, Sweden
TenuTec AB
Göteborg, Sweden
Finansiering
VINNOVA
Projekt-id: 2023-04141
Finansierar Chalmers deltagande under 2024–2025
Relaterade styrkeområden och infrastruktur
Nanovetenskap och nanoteknik
Styrkeområden