基于机器视觉和暗场散射成像的各种水性悬浮中AuNP聚合的整体预测
Xiao-Yuan Wang1, Qin Hong1, Ze-Rui Zhou1
1Key Laboratory for Advanced Materials, Feringa Nobel Prize Scientist Joint Research Center, Joint International Laboratory for Precision Chemistry, Frontiers Science Center for Materiobiology & Dynamic Chemistry, School of Chemistry and Molecular Engineering, East China University of Science and Technology, Shanghai 200237, P. R. China.
机器视觉算法准确地解释黄金纳米粒子 (AuNP) 聚合的暗场微观图像. 这种深度学习方法可以精确监测各种盐溶液中的AuNP聚合程度.
科学领域:
- 纳米技术纳米技术
- 材料科学 材料科学 材料科学
- 生物物理学的生物物理.
背景情况:
- 金纳米粒子 (AuNPs) 的局部表面等离子体共振 (LSPR) 对环境变化敏感.
- 暗场显微镜 (DFM) 成像监测AuNP聚合,但由于异质图像特征而存在解释挑战.
研究的目的:
- 开发和应用机器视觉算法来分析AuNP聚合的DFM图像.
- 为了快速准确量化水性介质中的AuNP聚合程度.
主要方法:
- 基于AlexNet的视觉深度学习框架用于DFM图像分析.
- 机器学习算法在不同的盐溶液中对AuNPs的DFM图像进行了训练.
主要成果:
- 深度学习框架实现了超过0.96的预测准确度,用于识别AuNP聚合程度.
- 机器学习分析成功预测了由阴离子物种和盐酸度诱导的聚合现象.
结论:
- 机器视觉框架为精确识别DFM图像中的微妙模式变化提供了巨大的潜力.
- 这种方法可以促进基于DFM成像数据的纳米粒子行为预测分析.
更多相关视频
09:33Asymmetrical Flow Field-Flow Fractionation for Sizing of Gold Nanoparticles in Suspension
Published on: September 11, 2020
![Quantitative SERS Detection of Uric Acid via Formation of Precise Plasmonic Nanojunctions within Aggregates of Gold Nanoparticles and Cucurbit[n]uril](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F61682.jpg&w=3840&q=50)
10:02Quantitative SERS Detection of Uric Acid via Formation of Precise Plasmonic Nanojunctions within Aggregates of Gold Nanoparticles and Cucurbit[n]uril
Published on: October 3, 2020