AI ska effektivisera kvalitetskontrollen av grafen
Ett svenskt forskningsprojekt har utvecklat en AI-baserad metod för automatiserad kvalitetskontroll av grafen och grafenoxidflingor – en teknik som kan bidra till en snabbare övergång till storskalig produktion.
Projektet drivs av Chalmers Industriteknik tillsammans med Chalmers tekniska högskola, 2D fab, Graphmatech, LayerOne, Tenutec och Glenntex. Tekniken kombinerar AI och optisk mikroskopi för att möjliggöra snabb och kostnadseffektiv kvalitetskontroll av grafenflingor.
– Genom att kombinera optisk mikroskopi med avancerade AI‑modeller har vi utvecklat ett system som kan identifiera och klassificera lager i både grafen och grafenoxid, säger Lilei Ye, projektledare och grafenexpert på Chalmers Industriteknik, i ett pressmeddelande.
Grafen- och grafenoxidflingor står idag för över 85 procent av den globala grafenmarknaden och används inom områden som batterier, kompositer, värmeledande material och funktionella beläggningar, enligt SIO Grafen. För att produktionen ska kunna skalas upp krävs samtidigt snabb och reproducerbar kvalitetskontroll direkt i tillverkningsprocessen.
Enligt projektgruppen kan AI-baserad bildanalys minska kostnaderna avsevärt jämfört med andra mer avancerade analysmetoder som atomkraftsmikroskopi (AFM) och Raman-spektroskopi. Resultaten pekar även på vikten av standardiserad provberedning för att möjliggöra industriell tillämpning av tekniken.
Nästa steg i projektet är att samla in större mängder data för att vidareutveckla AI-modellen och kommersialisera tekniken. Målet är att skapa en snabb och skalbar metod som kan bli en framtida standard för kvalitetskontroll inom grafenproduktion.
