通过计算机视觉和机器人技术推进粘弹性材料的表征:米兰达和RELAPP
Antonio Monleón-Getino1,2, Víctor Madarnás-Gómez1,2, Mario Cobos-Soler3
1BIOST3 (Research Group in Biostatistics, Data Science and Bioinformatics), Research Group in Biostatistics, Data Science and Bioinformatics, 08028 Barcelona, Spain.
Materials (Basel, Switzerland)
|November 13, 2025
概括
本研究介绍了用于粘弹性材料表征的MIRANDA (计算机视觉) 和RELAPP (力测量) 系统. 这些工具准确地预测关键的风湿学参数,为传统方法提供更快的替代方案.
科学领域:
- 材料科学 材料科学 材料科学
- 类风病学 类风病学 类风病学
- 计算机视觉 计算机视觉
背景情况:
- 在工业应用中,对粘性弹性材料的表征至关重要.
- 传统的风湿学分析方法可能耗时且复杂.
- 需要更快,更有效的材料表征技术.
研究的目的:
- 引入和评估用于粘弹性材料分析的MIRANDA (计算机视觉) 和RELAPP (力测量) 系统.
- 评估MIRANDA和RELAPP在预测关键的风湿学参数方面的综合能力.
- 证明这些系统作为传统方法的替代品的实用性.
主要方法:
- 开发了MIRANDA (计算机视觉) 和RELAPP (力测量) 系统.
- 分析了五个不同的面粉面团样本.
- 利用支持矢量机 (SVM) 回归模型与MIRANDA的数据来预测质参数 (W,P,L,RVU).
主要成果:
- SVM模型实现了强度 (W,R2=0.594),性 (P,R2=0.575) 和粘度 (RVU,R2=0.612) 的显著预测精度.
- 在MIRANDA的弹性和RELAPP的力测量 (r=0.858,r=0.839) 之间显示出强烈的正相关性.
- 强调了MIRANDA和RELAPP之间的协同作用,以实现高效的材料表征.
结论:
- 米兰达和RELAPP系统为粘性弹性材料的表征提供了一个有希望的,快速的替代方案.
- 综合方法对加速产品开发和质量控制具有重大工业影响.
- 用更大的数据集进行进一步验证是有必要的,以提高模型的通用性.


