نخستین دستگاه نانویی به هوش مصنوعی مجهز شد
سئو بوی: یکی از شرکت های دانش بنیان موفق شده طی یک پروژه یک ساله دستگاه اندازه گیری زاویه تماس، کشش و انرژی سطحی خودرا به هوش مصنوعی مجهز کند.
به گزارش سئو بوی به نقل از ایسنا، برای این کار پژوهشگران این شرکت مبادرت به استفاده از الگوریتم های یادگیری عمیق (Deep Learning) کردند که قدم نخست در استفاده از هوش مصنوعی در تجهیزات نانویی کشور شمرده می شود. با این کار، پروسه تشخیص و محاسبه زاویه تماس و کشش سطحی از حالت دستی به سامانه ای تمام خودکار تبدیل می شود که بدون دخالت کاربر و تنها بوسیله عکس یا ویدئو، مقادیر دقیق را محاسبه می کند و نمایش می دهد. این فناوری، افزون بر افزایش دقت و سرعت سنجش، خطاهای انسانی را حذف کرده و زمینه را برای اتوماسیون کامل لابراتوار های نانو و استفاده از این دستگاه در صنایع را فراهم می آورد.
در تجهیزات پیشرفته اندازه گیری زاویه تماس و کشش سطحی، دقت و تکرارپذیری نتایج بطور مستقیم به مهارت کاربر وابسته است. ورود خطاهای انسانی، تنظیم ناصحیح پارامترها یا تشخیص ناصحیح مرز قطره می تواند سبب انحراف های قابل توجهی در نتایج شود. از طرفی، تکرار آزمون ها برای به دست آوردن میانگین دقیق، زمان بر 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 آزمایش ها به شمار می آید. این پروژه با هدف جایگزینی تشخیص انسانی با الگوریتم ResNet (Residual Network) یکی از معماری های معروف شبکه های عصبی کانولوشنی (CNN) طراحی شده تا دستگاه بتواند بدون دخالت اپراتور، زاویه تماس، کشش سطحی و انرژی سطحی نمونه را بصورت دقیق محاسبه کند.
سامانه طراحی شده، تلفیقی از یک ماژول نرم افزاری هوشمند و دستگاه تصویربرداری دقیق است. در این سیستم، بعد از ثبت تصویر یا ویدئو از قطره مایع روی سطح نمونه، نرم افزار مبتنی بر شبکه عصبی کانولوشنی بصورت خودکار مرز قطره، زاویه تماس و پارامترهای سطحی را شناسایی می کند.
به این ترتیب، پارامترهایی که تا حالا بصورت دستی توسط کاربر تعیین می شدند، حال بصورت خودکار و با دقت بالا توسط الگوریتم تحلیل می شوند. این فناوری نه تنها در حالت اندازه گیری استاتیک زاویه تماس کاربرد دارد، بلکه در محاسبه انرژی سطحی بوسیله اندازه گیری هم زمان دو قطره مختلف روی یک سطح نیز قابل استفاده می باشد.
سیستم توسعه یافته می تواند در دو حالت بصورت کامل عمل کند:
حالت متصل به دستگاه:
هنگامی که سیستم هوش مصنوعی به دستگاه اندازه گیری متصل است، نرم افزار بعد از دریافت تصویر یا فیلم از نمونه، بدون دخالت کاربر عملیات تحلیل را انجام داده و نتایج در ارتباط با زاویه تماس و کشش سطح را بصورت خودکار نمایش می دهد.
حالت مستقل از دستگاه:
در این حالت، کاربر تنها عکس یا ویدئوی نمونه را در نرم افزار بارگذاری می کند و سامانه، داده های در ارتباط با زاویه تماس و کشش سطحی را بطور خودکار و دقیق استخراج می کند.
این توانایی، نرم افزار را به ابزاری قدرتمند برای تحلیل داده های ثانویه تبدیل نموده و امکان پردازش مجدد نتایج آزمایش های گذشته را نیز فراهم می آورد.
این پروژه در سه مرحله پیاده سازی شده است. فاز اول جمع آوری است، مرحله پس از جمع آوری داده، پیش پردازش داده ها است که تصاویر برای ورودی مدل آماده شوند، پس از آن برچسب گذاری داده آغاز 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 آماده سازی شدند تا داده های آموزشی کافی برای شبکه عصبی فراهم گردید. سپس انتخاب الگوریتم یادگیری عمیق و آموزش مدل صورت پذیرفت. بعد از مقایسه مدلهای مختلف CNN، الگوریتم و هایپر پارامترهایی برگزیده شد که بالاترین دقت را در پیشبینی زاویه تماس عرضه می کند. در نهایت هم پیاده سازی در نرم افزار اختصاصی این شرکت انجام شد. در گام پایانی، مدل آموزش دیده در نرم افزار اصلی دستگاه پیاده سازی شد تا کاربر بتواند بوسیله رابط گرافیکی ساده، نتایج را در لحظه ببیند.
اجرای موفق این پروژه مستلزم برخورداری از دیتابیس حجیم تصاویر باکیفیت بالا و همین طور سخت افزار قدرتمند برای پردازش شبکه های عصبی است.
به نقل از ستاد نانو، پروژه این شرکت دانش بنیان همچون نخستین تجربه های به کارگیری الگوریتم های یادگیری عمیق در تجهیزات نانویی کشور است و الگویی برای اتوماسیون لابراتوار های تحقیقاتی و صنعتی شمرده می شود. این نوآوری می تواند روندهای تکراری در سنجش خواص سطحی مواد را بطور کامل خودکار کند و مسیر انتقال فناوری از لابراتوار به صنعت را کوتاه تر کند. همچنین، نتایج این پروژه زمینه ساز طراحی نسل جدید تجهیزات اندازه گیری هوشمند در حوزه نانو خواهد بود؛ تجهیزاتی که با تحلیل بلادرنگ داده ها، دقت و سرعتی فراتر از معیارهای فعلی ارایه می دهند.
این موفقیت، ترکیبی از دانش فیزیک سطح، فناوری بینایی ماشین و الگوریتم های یادگیری عمیق است که با حذف خطای انسانی، سرعت و کیفیت آزمایش های علمی را به سطحی بی سابقه می رساند. چنین فناوری هایی، آینده ای را ترسیم می کنند که در آن لابراتوار های نانویی هوشمند با حداقل مداخله انسانی و نهایت دقت، مسیر توسعه علم و صنعت نانو را آماده می سازند.
پارامترهایی که تا حالا به صورت دستی توسط کاربر تعیین می شدند، حال به صورت خودکار و با دقت بالا توسط الگوریتم تحلیل می شوند. فاز نخست جمع آوری است، مرحله بعد از جمع آوری داده، پیش پردازش داده ها است که تصاویر برای ورودی مدل آماده شوند، بعد از آن برچسب گذاری داده شروع شده که در این مرحله داده با اطلاعات بیشتر جهت بالا بردن دقت مدل آماده شده است. به نقل از ستاد نانو، پروژه این شرکت دانش بنیان همچون اولین تجربه های به کارگیری الگوریتم های یادگیری عمیق در تجهیزات نانویی کشور است و الگویی برای اتوماسیون آزمایشگاه های تحقیقاتی و صنعتی شمرده می شود.
در تجهیزات پیشرفته اندازه گیری زاویه تماس و کشش سطحی، دقت و تکرارپذیری نتایج بطور مستقیم به مهارت کاربر وابسته است. ورود خطاهای انسانی، تنظیم ناصحیح پارامترها یا تشخیص ناصحیح مرز قطره می تواند سبب انحراف های قابل توجهی در نتایج شود. از طرفی، تکرار آزمون ها برای به دست آوردن میانگین دقیق، زمان بر 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 آزمایش ها به شمار می آید. این پروژه با هدف جایگزینی تشخیص انسانی با الگوریتم ResNet (Residual Network) یکی از معماری های معروف شبکه های عصبی کانولوشنی (CNN) طراحی شده تا دستگاه بتواند بدون دخالت اپراتور، زاویه تماس، کشش سطحی و انرژی سطحی نمونه را بصورت دقیق محاسبه کند.
سامانه طراحی شده، تلفیقی از یک ماژول نرم افزاری هوشمند و دستگاه تصویربرداری دقیق است. در این سیستم، بعد از ثبت تصویر یا ویدئو از قطره مایع روی سطح نمونه، نرم افزار مبتنی بر شبکه عصبی کانولوشنی بصورت خودکار مرز قطره، زاویه تماس و پارامترهای سطحی را شناسایی می کند.
به این ترتیب، پارامترهایی که تا حالا بصورت دستی توسط کاربر تعیین می شدند، حال بصورت خودکار و با دقت بالا توسط الگوریتم تحلیل می شوند. این فناوری نه تنها در حالت اندازه گیری استاتیک زاویه تماس کاربرد دارد، بلکه در محاسبه انرژی سطحی بوسیله اندازه گیری هم زمان دو قطره مختلف روی یک سطح نیز قابل استفاده می باشد.
سیستم توسعه یافته می تواند در دو حالت بصورت کامل عمل کند:
حالت متصل به دستگاه:
هنگامی که سیستم هوش مصنوعی به دستگاه اندازه گیری متصل است، نرم افزار بعد از دریافت تصویر یا فیلم از نمونه، بدون دخالت کاربر عملیات تحلیل را انجام داده و نتایج در ارتباط با زاویه تماس و کشش سطح را بصورت خودکار نمایش می دهد.
حالت مستقل از دستگاه:
در این حالت، کاربر تنها عکس یا ویدئوی نمونه را در نرم افزار بارگذاری می کند و سامانه، داده های در ارتباط با زاویه تماس و کشش سطحی را بطور خودکار و دقیق استخراج می کند.
این توانایی، نرم افزار را به ابزاری قدرتمند برای تحلیل داده های ثانویه تبدیل نموده و امکان پردازش مجدد نتایج آزمایش های گذشته را نیز فراهم می آورد.
این پروژه در سه مرحله پیاده سازی شده است. فاز اول جمع آوری است، مرحله پس از جمع آوری داده، پیش پردازش داده ها است که تصاویر برای ورودی مدل آماده شوند، پس از آن برچسب گذاری داده آغاز 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 آماده سازی شدند تا داده های آموزشی کافی برای شبکه عصبی فراهم گردید. سپس انتخاب الگوریتم یادگیری عمیق و آموزش مدل صورت پذیرفت. بعد از مقایسه مدلهای مختلف CNN، الگوریتم و هایپر پارامترهایی برگزیده شد که بالاترین دقت را در پیشبینی زاویه تماس عرضه می کند. در نهایت هم پیاده سازی در نرم افزار اختصاصی این شرکت انجام شد. در گام پایانی، مدل آموزش دیده در نرم افزار اصلی دستگاه پیاده سازی شد تا کاربر بتواند بوسیله رابط گرافیکی ساده، نتایج را در لحظه ببیند.
اجرای موفق این پروژه مستلزم برخورداری از دیتابیس حجیم تصاویر باکیفیت بالا و همین طور سخت افزار قدرتمند برای پردازش شبکه های عصبی است.
به نقل از ستاد نانو، پروژه این شرکت دانش بنیان همچون نخستین تجربه های به کارگیری الگوریتم های یادگیری عمیق در تجهیزات نانویی کشور است و الگویی برای اتوماسیون لابراتوار های تحقیقاتی و صنعتی شمرده می شود. این نوآوری می تواند روندهای تکراری در سنجش خواص سطحی مواد را بطور کامل خودکار کند و مسیر انتقال فناوری از لابراتوار به صنعت را کوتاه تر کند. همچنین، نتایج این پروژه زمینه ساز طراحی نسل جدید تجهیزات اندازه گیری هوشمند در حوزه نانو خواهد بود؛ تجهیزاتی که با تحلیل بلادرنگ داده ها، دقت و سرعتی فراتر از معیارهای فعلی ارایه می دهند.
این موفقیت، ترکیبی از دانش فیزیک سطح، فناوری بینایی ماشین و الگوریتم های یادگیری عمیق است که با حذف خطای انسانی، سرعت و کیفیت آزمایش های علمی را به سطحی بی سابقه می رساند. چنین فناوری هایی، آینده ای را ترسیم می کنند که در آن لابراتوار های نانویی هوشمند با حداقل مداخله انسانی و نهایت دقت، مسیر توسعه علم و صنعت نانو را آماده می سازند.
پارامترهایی که تا حالا به صورت دستی توسط کاربر تعیین می شدند، حال به صورت خودکار و با دقت بالا توسط الگوریتم تحلیل می شوند. فاز نخست جمع آوری است، مرحله بعد از جمع آوری داده، پیش پردازش داده ها است که تصاویر برای ورودی مدل آماده شوند، بعد از آن برچسب گذاری داده شروع شده که در این مرحله داده با اطلاعات بیشتر جهت بالا بردن دقت مدل آماده شده است. به نقل از ستاد نانو، پروژه این شرکت دانش بنیان همچون اولین تجربه های به کارگیری الگوریتم های یادگیری عمیق در تجهیزات نانویی کشور است و الگویی برای اتوماسیون آزمایشگاه های تحقیقاتی و صنعتی شمرده می شود.
About the Author
