به گزارش الفبای رشد به نقل از فرهنگ آفرینان، برای این کار محققان شرکت مذکور 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 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.
