Bildanalys av grafen genom maskininlärning

Sammanfattning

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.

Grafen har en enorm potential i många tillämpningar, men innan grafen kan uppfylla denna potential måste storskaliga och reproducerbara produktionsprocesser utvecklas. Grafenflagor står i dag för den stora majoriteten (> 85 % enligt olika marknadsanalyser) av marknaden. De används ofta som förstärkningsmaterial i kompositer, batterier, beläggning och filter. Svenska leverantörer av grafenflagor arbetar hårt för att skala upp sin produktionsvolym. En viktig lucka är avsaknaden av in-line karakteriseringsmetoder för kontroll av produktionsprocesser och kvalitet med hjälp av labbinstrument som fungerar i stor skala och med låg kostnad. I detta projekt kommer vi att tackla denna utmaning genom att använda det automatiserade optiska mikroskopet och maskininlärning för att analysera grafenflagorsmorfologi.

En sådan metod är mycket önskvärd för producenter av grafenflagor eftersom det kan öka kvalitetskontrollen av volymproduktionen. Detta förstudieprojekt omfattar litteraturundersökning, bildinsamling med automatiserat optiskt mikroskop och bildanalys med korrekta algoritmer för bearbetningsinlärning. Slutligen kommer resultaten att utvärderas för framtida utvecklingsinriktning och industriella tillämpningar.