基于喷墨打印的灵活传感器的大批量准备的深度学习引导评估方法

科学领域:

• 材料科学 材料科学 材料科学
• 电气工程 电气工程
• 纳米技术纳米技术

背景情况:

• 灵活的传感器对于生物医学和可穿戴电子产品至关重要,通常使用银纳米粒子 (AgNP) 油墨和喷墨印刷 (IJP).
• 喷墨打印柔性设备的电导率在很大程度上取决于打印线条的形态及其线间状态.
• 评估印刷线的质量需要考虑导电性和物理缺陷.

研究的目的:

• 描述IJP的实验设置,并定义打印线特征.
• 在批量打印之前引入灵活传感器的预测模型,并在打印后引入缺陷检测模型.
• 为了使高质量的灵活传感器能够大批量准备.

主要方法:

• 详细描述喷墨打印 (IJP) 实验设置和打印线特征定义.
• 开发两种预测模型,用于在打印之前灵活评估传感器质量.
• 使用神经架构搜索进行实时监控的缺陷检测模型的实施.

主要成果:

• 预测模型指导行动,导致灵活的传感器打印成功率超过80%.
• 一个缺陷检测模型在测试数据集上实现了95.5%的准确性.
• 目标检测模型的平均平均精度 (mAP@0.5) 为81.2%,每张图像运行时间为4.6毫秒.

结论:

• 开发的模型为灵活传感器的大量准备提供了一种新的方法.
• 实时缺陷检测确保了质量控制,并减少了制造效率低下.
• 这项工作显著推进了喷墨打印灵活电子设备的制造过程.