Das KI-Modell entschlüsselt spritzende Tropfenmuster mit hoher Genauigkeit

Der Aufprall eines Tropfens auf eine feste Oberfläche ist ein wichtiges Phänomen, das verschiedene Anwendungen hat. Insbesondere wenn der Tropfen spritzt, kann es unter anderem zu einer Verschlechterung der Druck- und Farbqualität, Erosion und der Ausbreitung von durch die Luft übertragenen Viren kommen. Daher ist es wichtig, die Eigenschaften der spritzenden Tropfen verschiedener Flüssigkeiten zu beobachten und zu verstehen.

Allerdings erschwert die Mehrphasennatur des Phänomens die Beobachtung, wenn es lediglich mit bloßem Auge durchgeführt wird. Obwohl sich die jüngste Entwicklung der künstlichen Intelligenz (KI) als vielversprechend für die Lösung dieses Problems erwiesen hat, fungieren KI-Modelle normalerweise als Black Box, in der der zugrunde liegende Entscheidungsprozess unbekannt ist.

An der Universität für Landwirtschaft und Technologie Tokio hat ein Forschungsteam der Abteilung für Maschinenbausysteme eine erklärbare KI entwickelt, um die spritzenden Tropfen verschiedener Flüssigkeiten aus der KI-Perspektive zu beobachten und zu verstehen.

Das Forschungsteam unter der Leitung von Prof. Yoshiyuki Tagawa und Prof. Akinori Yamanaka, zu dem Jingzu Yee (ehemaliger Assistenzprofessor), Pradipto (ehemaliger Assistenzprofessor), Shunsuke Kumagai (Masterstudent im ersten Jahr) und Daichi Igarashi (ehemaliger Masterstudent) gehören. , veröffentlichte ihre Erkenntnisse In Fließen am 20. Dezember 2024.

Das Forschungsteam nutzte die Architektur eines Feedforward-Neuronalen Netzwerks, um ein KI-Modell zur Klassifizierung von Videos von spritzenden und nicht spritzenden Tropfen zu entwickeln, die mit einer Hochgeschwindigkeitskamera aufgenommen wurden.

Nach dem Training hat das KI-Modell Videos von spritzenden und nicht spritzenden Tropfen erfolgreich klassifiziert, mit einer Erfolgsquote von 92 % für Flüssigkeiten mit niedriger Viskosität und 100 % für Flüssigkeiten mit hoher Viskosität. Anschließend implementierten die Forscher ihre vorgeschlagene Methode zur Visualisierung der KI, um den Klassifizierungsprozess zu analysieren und zu interpretieren.

Ihre Ergebnisse zeigen, dass die KI spritzende und nicht spritzende Tropfen anhand der Kontur des Hauptkörpers des Tropfens, der ausgestoßenen Tröpfchen und der dünnen Schicht, die von der Seite des Tropfens ausgestoßen wird und Lamelle genannt wird, klassifiziert. Darüber hinaus konnte mit der vorgeschlagenen Visualisierungsmethode erfolgreich ermittelt werden, welcher Frame des Videos den größten Einfluss auf die Klassifizierung der KI hat.

Die Ergebnisse zeigen, dass die Unterschiede zwischen spritzenden und nicht spritzenden Tropfen niedrigviskoser Flüssigkeiten im früheren Stadium des Aufpralls deutlicher sind, während sie bei hochviskosen Flüssigkeiten im späteren Stadium des Aufpralls deutlicher sind.

„Unsere neu vorgeschlagene erklärbare KI-Methode bietet eine Alternative zu den herkömmlichen Untersuchungsmethoden für die Tropfenaufprallforschung“, sagte Jingzu Yee, ein ehemaliger Assistenzprofessor an der Universität für Landwirtschaft und Technologie Tokio.

„Unsere Methode deckt die grundlegenden Aspekte des Tropfenaufpralls auf, die genutzt werden können, um verschiedene Geräte und Systeme zu ermöglichen, die der Menschheit zugute kommen.“