یك شركت نانو مهندسی در كشور توانسته است طی یك پروژه یك‌ساله، دستگاه اندازه‌گیری زاویه تماس، كشش و انرژی سطحی خود را با بهره‌گیری از فناوری هوش مصنوعی مجهز كند.
فناوران یك شركت نانو مهندسی موفق شدند طی یك پروژۀ یك ساله دستگاه اندازه‌گیری زاویه تماس، كشش و انرژی سطحی خود را به هوش مصنوعی مجهز كند.
برای این كار محققان این شركت اقدام به استفاده از الگوریتم‌های یادگیری عمیق (Deep Learning) كردند كه نخستین گام در استفاده از هوش مصنوعی در تجهیزات نانویی كشور محسوب می‌شود.
با این كار، فرآیند تشخیص و محاسبه زاویه تماس و كشش سطحی از حالت دستی به سامانه‌ای تمام‌خودكار تبدیل می‌شود كه بدون دخالت كاربر و تنها از طریق عكس یا ویدئو، مقادیر دقیق را محاسبه و نمایش می‌دهد.
این فناوری، افزون بر افزایش دقت و سرعت سنجش، خطا‌های انسانی را حذف كرده و زمینه را برای اتوماسیون كامل آزمایشگاه‌های نانو و استفاده از این دستگاه در صنایع را فراهم می‌كند.
در تجهیزات پیشرفته اندازه‌گیری زاویه تماس و كشش سطحی، دقت و تكرارپذیری نتایج به‌طور مستقیم به مهارت كاربر وابسته است. ورود خطا‌های انسانی، تنظیم نادرست پارامتر‌ها یا تشخیص ناصحیح مرز قطره، می‌تواند موجب انحراف‌های قابل‌توجهی در نتایج شود. از سوی دیگر، تكرار آزمون‌ها برای به‌دست‌آوردن میانگین دقیق، زمان‌بر و پرهزینه است.
در چنین شرایطی، استفاده از هوش مصنوعی برای پردازش تصاویر آزمایشگاهی و تشخیص خودكار زاویه تماس، راهكاری مؤثر برای افزایش دقت و سرعت آزمایش‌ها به‌شمار می‌آید.
این پروژه با هدف جایگزینی تشخیص انسانی با الگوریتم ResNet (Residual Network) یكی از معماری‌های معروف شبكه‌های عصبی كانولوشنی (CNN) طراحی شده تا دستگاه بتواند بدون دخالت اپراتور، زاویه تماس، كشش سطحی و انرژی سطحی نمونه را به‌صورت دقیق محاسبه كند.
سامانه طراحی‌شده، تركیبی از یك 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 شبكه عصبی كانولوشنی به‌صورت خودكار مرز قطره، زاویه تماس و پارامتر‌های سطحی را شناسایی می‌كند.
به‌این‌ترتیب، پارامتر‌هایی كه تاكنون به‌صورت دستی توسط كاربر تعیین می‌شدند، اكنون به‌صورت خودكار و با دقت بالا توسط الگوریتم تحلیل می‌شوند.
این فناوری نه‌تنها در حالت اندازه‌گیری استاتیك زاویه تماس كاربرد دارد، بلكه در محاسبه انرژی سطحی از طریق اندازه‌گیری هم‌زمان دو قطره مختلف روی یك سطح نیز قابل استفاده است.
سیستم توسعه‌یافته قادر است در دو حالت متصل به دستگاه و مستقل از دستگاه عمل كند.
هنگامی‌كه سیستم هوش مصنوعی به دستگاه اندازه‌گیری متصل است، نرم‌افزار پس از دریافت تصویر یا فیلم از نمونه، بدون دخالت كاربر عملیات تحلیل را انجام داده و نتایج مربوط به زاویه تماس و كشش سطح را به‌صورت خودكار نمایش می‌دهد.
حالت مستقل از دستگاه، در این حالت، كاربر تنها عكس یا ویدیوی نمونه را در نرم‌افزار بارگذاری می‌كند و سامانه، داده‌های مربوط به زاویه تماس و كشش سطحی را به‌طور خودكار و دقیق استخراج می‌كند.
این قابلیت، نرم‌افزار را به ابزاری قدرتمند برای تحلیل داده‌های ثانویه تبدیل كرده و امكان پردازش مجدد نتایج آزمایش‌های گذشته را نیز فراهم می‌سازد.
این پروژه در سه مرحله پیاده‌سازی شده است. مرحله اول جمع‌آوری است، مرحله‌ی بعد از جمع آوری داده، پیش پردازش داده‌ها است كه تصاویر برای ورودی مدل آماده شوند، بعد از آن برچسب‌گذاری داده شروع شده كه در این مرحله داده با اطلاعات بیشتر جهت بالا بردن دقت مدل آماده شده است.
در این پروژه حدود 6000 تصویر خروجی دستگاه‌های زاویه تماس در شرایط مختلف گردآوری و آماده‌سازی شدند تا داده‌های آموزشی كافی برای شبكه 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 كه بالاترین دقت را در پیش‌بینی زاویه تماس ارائه می‌دهد.
در نهایت هم پیاده‌سازی در نرم‌افزار اختصاصی ژیكان انجام شد. در گام پایانی، مدل آموزش‌دیده در نرم‌افزار اصلی دستگاه پیاده‌سازی شد تا كاربر بتواند از طریق رابط گرافیكی ساده، نتایج را در لحظه مشاهده كند.
اجرای موفق این پروژه مستلزم برخورداری از دیتابیس حجیم تصاویر با كیفیت بالا و همچنین سخت‌افزار قدرتمند برای پردازش شبكه‌های عصبی است.
پروژه این شركت نانو مهندسی از جمله اولین تجربه‌های به‌كارگیری الگوریتم‌های یادگیری عمیق در تجهیزات نانویی كشور است و الگویی برای اتوماسیون آزمایشگاه‌های تحقیقاتی و صنعتی محسوب می‌شود.
این نوآوری می‌تواند روند‌های تكراری در سنجش خواص سطحی مواد را به‌طور كامل خودكار كند و مسیر انتقال فناوری از آزمایشگاه به صنعت را كوتاه‌تر سازد. همچنین، نتایج این پروژه زمینه‌ساز طراحی نسل جدید تجهیزات اندازه‌گیری هوشمند در حوزه نانو خواهد بود؛ تجهیزاتی كه با تحلیل بلادرنگ داده‌ها، دقت و سرعتی فراتر از استاندارد‌های فعلی ارائه می‌دهند.
این دستاورد، تلفیقی از دانش فیزیك سطح، فناوری بینایی ماشین و الگوریتم‌های یادگیری عمیق است كه با حذف خطای انسانی، سرعت و كیفیت آزمایش‌های علمی را به سطحی بی‌سابقه می‌رساند.
چنین فناوری‌هایی، آینده‌ای را ترسیم می‌كنند كه در آن آزمایشگاه‌های نانویی هوشمند با حداقل مداخله انسانی و حداكثر دقت، مسیر توسعه علم و صنعت نانو را هموار می‌سازند.
