
AI och optisk mikroskopi kan komma att användas i en snabb, billig och reproducerbar metod för automatisk kvalitetsgranskning av grafenflingor.
Det berättar ett pressmeddelande från innovationsprogrammet SIO grafen.
![]() |
| Lilei Ye |
– AI‑driven bildanalys kan sänka kostnaderna för kvalitetskontroll avsevärt jämfört med mer avancerade och kostsamma metoder som AFM eller Raman, säger Lilei Ye, projektledare och grafenexpert på Chalmers Industriteknik.
Metoden kan hitta användning hos små grafenuppstarter som ett snabbt sätt att kontrollera kvaliteten på sina produkter.
– Det fungerar som ett första steg i kvalitetskontrollen – vill företagen veta mer om defekter och kristallinitet behöver de fortfarande göra djupare analyser med Raman, AFM och även TEM, säger Lilei Ye.
Metoden kan också komma att användas för kvalitetskontroll vid volymproduktion, när det blir aktuellt.
Projektets neuronnät känner igen flingor av grafen eller grafenoxid i bilder från optiskt mikroskop, och identifierat vilka som är ett lager och vilka som är flera lager.
– Det här är bara en början, och förhoppningsvis kan vi fortsätta utveckla tekniken i framtiden.
Nästa steg i projektet är att samla in mer data för träning av AI-modellen.
Grafen- och grafenoxidflingor står för över 85 procent av den globala grafenmarknaden. De används i batterier, kompositer, värmeledande material, funktionella beläggningar, med mera.
Projektet genomförs av 2D fab, Chalmers, Chalmers Industriteknik, Glenntex, Graphmatech, LayerOne och Tenutec.
Bild: Piyatep Ngernklay


