اولین دستگاه نانویی به هوش مصنوعی مجهز شد

ایسنا/ یکی از شرکتهای دانشبنیان موفق شده طی یک پروژه یک ساله دستگاه اندازهگیری زاویه تماس، کشش و انرژی سطحی خود را به هوش مصنوعی مجهز کند.
برای این کار محققان این شرکت اقدام به استفاده از الگوریتمهای یادگیری عمیق (Deep Learning) کردند که نخستین گام در استفاده از هوش مصنوعی در تجهیزات نانویی کشور محسوب میشود. با این کار، فرآیند تشخیص و محاسبه زاویه تماس و کشش سطحی از حالت دستی به سامانهای تمامخودکار تبدیل میشود که بدون دخالت کاربر و تنها از طریق عکس یا ویدئو، مقادیر دقیق را محاسبه میکند و نمایش میدهد. این فناوری، افزون بر افزایش دقت و سرعت سنجش، خطاهای انسانی را حذف کرده و زمینه را برای اتوماسیون کامل آزمایشگاههای نانو و استفاده از این دستگاه در صنایع را فراهم میکند.
در تجهیزات پیشرفته اندازهگیری زاویه تماس و کشش سطحی، دقت و تکرارپذیری نتایج بهطور مستقیم به مهارت کاربر وابسته است. ورود خطاهای انسانی، تنظیم نادرست پارامترها یا تشخیص ناصحیح مرز قطره میتواند موجب انحرافهای قابلتوجهی در نتایج شود. از سوی دیگر، تکرار آزمونها برای بهدستآوردن میانگین دقیق، زمانبر و پرهزینه است.
در چنین شرایطی، استفاده از هوش مصنوعی برای پردازش تصاویر آزمایشگاهی و تشخیص خودکار زاویه تماس، راهکاری مؤثر برای افزایش دقت و سرعت آزمایشها بهشمار میآید. این پروژه با هدف جایگزینی تشخیص انسانی با الگوریتم ResNet (Residual Network) یکی از معماریهای معروف شبکههای عصبی کانولوشنی (CNN) طراحی شده تا دستگاه بتواند بدون دخالت اپراتور، زاویه تماس، کشش سطحی و انرژی سطحی نمونه را بهصورت دقیق محاسبه کند.
سامانه طراحیشده، ترکیبی از یک ماژول نرمافزاری هوشمند و دستگاه تصویربرداری دقیق است. در این سیستم، پس از ثبت تصویر یا ویدئو از قطره مایع روی سطح نمونه، نرمافزار مبتنی بر شبکه عصبی کانولوشنی بهصورت خودکار مرز قطره، زاویه تماس و پارامترهای سطحی را شناسایی میکند.
بهاینترتیب، پارامترهایی که تاکنون بهصورت دستی توسط کاربر تعیین میشدند، اکنون بهصورت خودکار و با دقت بالا توسط الگوریتم تحلیل میشوند. این فناوری نهتنها در حالت اندازهگیری استاتیک زاویه تماس کاربرد دارد، بلکه در محاسبه انرژی سطحی از طریق اندازهگیری همزمان دو قطره مختلف روی یک سطح نیز قابل استفاده است.
سیستم توسعهیافته قادر است در دو حالت بهصورت کامل عمل کند:
حالت متصل به دستگاه:
هنگامیکه سیستم هوش مصنوعی به دستگاه اندازهگیری متصل است، نرمافزار پس از دریافت تصویر یا فیلم از نمونه، بدون دخالت کاربر عملیات تحلیل را انجام داده و نتایج مربوط به زاویه تماس و کشش سطح را بهصورت خودکار نمایش میدهد.
حالت مستقل از دستگاه:
در این حالت، کاربر تنها عکس یا ویدئوی نمونه را در نرمافزار بارگذاری میکند و سامانه، دادههای مربوط به زاویه تماس و کشش سطحی را بهطور خودکار و دقیق استخراج میکند.
این قابلیت، نرمافزار را به ابزاری قدرتمند برای تحلیل دادههای ثانویه تبدیل کرده و امکان پردازش مجدد نتایج آزمایشهای گذشته را نیز فراهم میکند.
این پروژه در سه مرحله پیادهسازی شده است. مرحله اول جمعآوری است، مرحله بعد از جمع آوری داده، پیش پردازش دادهها است که تصاویر برای ورودی مدل آماده شوند، بعد از آن برچسبگذاری داده شروع شده که در این مرحله داده با اطلاعات بیشتر جهت بالا بردن دقت مدل آماده شده است. در این پروژه حدود ۶۰۰۰ تصویر خروجی دستگاههای زاویه تماس در شرایط مختلف گردآوری و آمادهسازی شدند تا دادههای آموزشی کافی برای شبکه عصبی فراهم شد. سپس انتخاب الگوریتم یادگیری عمیق و آموزش مدل صورت گرفت. پس از مقایسه مدلهای مختلف CNN، الگوریتم و هایپر پارامترهایی انتخاب شد که بالاترین دقت را در پیشبینی زاویه تماس ارائه میدهد. در نهایت هم پیادهسازی در نرمافزار اختصاصی این شرکت انجام شد. در گام پایانی، مدل آموزشدیده در نرمافزار اصلی دستگاه پیادهسازی شد تا کاربر بتواند از طریق رابط گرافیکی ساده، نتایج را در لحظه مشاهده کند.
اجرای موفق این پروژه مستلزم برخورداری از دیتابیس حجیم تصاویر با کیفیت بالا و همچنین سختافزار قدرتمند برای پردازش شبکههای عصبی است.
به نقل از ستاد نانو، پروژه این شرکت دانشبنیان از جمله اولین تجربههای بهکارگیری الگوریتمهای یادگیری عمیق در تجهیزات نانویی کشور است و الگویی برای اتوماسیون آزمایشگاههای تحقیقاتی و صنعتی محسوب میشود. این نوآوری میتواند روندهای تکراری در سنجش خواص سطحی مواد را بهطور کامل خودکار کند و مسیر انتقال فناوری از آزمایشگاه به صنعت را کوتاهتر کند. همچنین، نتایج این پروژه زمینهساز طراحی نسل جدید تجهیزات اندازهگیری هوشمند در حوزه نانو خواهد بود؛ تجهیزاتی که با تحلیل بلادرنگ دادهها، دقت و سرعتی فراتر از استانداردهای فعلی ارائه میدهند.
این دستاورد، تلفیقی از دانش فیزیک سطح، فناوری بینایی ماشین و الگوریتمهای یادگیری عمیق است که با حذف خطای انسانی، سرعت و کیفیت آزمایشهای علمی را به سطحی بیسابقه میرساند. چنین فناوریهایی، آیندهای را ترسیم میکنند که در آن آزمایشگاههای نانویی هوشمند با حداقل مداخله انسانی و حداکثر دقت، مسیر توسعه علم و صنعت نانو را هموار میکنند.
















