Genomsyrad av speciell elektrisk, mekaniska och andra fysiska egenskaper på grund av deras ringa storlek, nanofibrer anses vara ledande teknik inom biomedicinsk teknik, ren energi och vattenkvalitetskontroll, bland andra. Nu, Forskare i Italien och Storbritannien har utvecklat en automatisk process för att bedöma kvaliteten på nanofibertillverkning, producerar 30 % mer exakta resultat än för närvarande använda tekniker.

Detaljer publicerades i januari 2021 i IEEE/CAA Journal of Automatica Sinica , en gemensam publikation av IEEE och Chinese Association of Automation.

"Under de senaste åren har nanostrukturerade material har fått ett ständigt växande intresse både i vetenskapliga och industriella sammanhang, på grund av deras forskningsattraktion och mångsidiga tillämpningar, " sa pappersförfattaren Cosimo Ieracitano, forskare i Neurolab-gruppen, Institutionen för samhällsbyggnad, Energi, Miljö och material, University Mediterranea i Reggio Calabria. "Framgång för applikationer av nanofiber kräver särskild omsorg om kvaliteten på nanomaterial och produktionsprocessen."

Nanofibrer framställs genom att en spruta som innehåller en polymerlösning och en snurrande uppsamlare appliceras med hög spänning. Lösningen, drivs av den elektriska laddningen, sprutar ut på uppsamlaren och resulterar i nanofibrer. För en produkt som kräver enhetlighet, t.ex. en nanofiber avsedd som ställning för att odla celler kommer att resultera i ojämn tillväxt om den innehåller en klump eller ett hål, eller så kanske den inte kan växa om den har en film på sig – den nuvarande produktionsprocessen är ganska rörig.

För att förhindra anomalier, tekniker övervakar fiberproduktionen med hjälp av ett svepelektronmikroskop som exakt kan bestämma fibrernas topografi, såväl som deras sammansättning. De inspekterade sedan bilderna visuellt. Enligt Ieracitano, det är en tidskrävande process som beror på människor, som kan bli trötta och göra misstag.

"I produktionskedjan för nanomaterial, ett avgörande steg är att praktiskt implementera automatisering i defektidentifieringsprocessen för att minska antalet laboratorieexperiment och bördan av experimentfasen, " sa Ieracitano.

Forskargruppen designade en tvådelad automatisk process för homogena nanofibrer. En autoencoder, en typ av maskininlärningsprogramvara, hackar svepelektronmikroskopbilderna i mindre bitar och översätter dem till kod. Den koden renderas till mer grundläggande versioner av originalbilderna, minskar datorkraften men ändå framhäver eventuella anomalier. En annan maskinlärande processor bedömer bilden, letar efter några strukturella brister. Om den hittar en, det avfärdar nanofibern som defekt.

"I synnerhet, det föreslagna systemet överträffar andra standardtekniker för maskininlärning, såväl som andra senaste toppmoderna metoder, rapporterar en noggrannhet på upp till 92,5 %, " Sa Ieracitano. För närvarande använda tekniker är vanligtvis 64 till 66% korrekta.