Bildanalys av grafen och utveckling av modeller med artificiell intelligens

Sammanfattning

Vårt mål är att ta fram en allmän bildteknik med hög genomströmning och låg kostnad som möjliggör noggrann och kvantitativ utvärdering av grafenflingor. Detta kommer att uppnås genom att kombinera det senaste automatiserade optiska mikroskopet och djupinlärningsalgoritmen. Grafen har en enorm potential i många tillämpningar, men innan grafen kan uppfylla denna potential måste storskaliga och reproducerbara produktionsprocesser utvecklas. Grafenflingor står för den allra största delen (> 85% enligt olika marknadsanalyser) av marknaden. De används ofta som förstärknings-
material i kompositer, batterier, beläggningar och filter.

Svenska leverantörer av grafenflingor arbetar hårt för att öka sin produktionsvolym. Ett viktigt gap är bristen på in-line karaktäriseringsmetoder för kontroll av produktionsprocesser och kvalitet med hjälp av hög genomströmning och billiga laboratorieinstrument. I detta projekt kommer vi att ta itu med denna utmaning genom att använda automatiserat optiskt mikroskop och maskininlärning för att kvantifiera storleken och tjockleksfördelningen hos exfolierade grafenflingor. En sådan metod är mycket önskvärd för producenter av grafenflingor eftersom den kan öka kvalitets-
kontrollen av volymproduktion.

Detta projekt omfattar provberedning och karaktärisering, bildprocess och analys samt utveckling av djupinlärningsmetoder. Slutligen kommer den utvecklade koden att överföras till industripartnerna. Projektet kommer att ha en direkt positiv inverkan på ett hållbart samhälle i Agenda 2030 med industri, innovation och infrastruktur och en indirekt positiv inverkan på jämställdhet.