DECHEMA 2026 in Frankfurt – ParticleTensorAI für die KI-gestützte Spray- und Partikelcharakterisierung

Auf der DECHEMA 2026 in Frankfurt (Jahrestreffen der DECHEMA/VDI-Fachgruppen Kristallisation und Trocknungstechnik 2026) haben wir ein neues KI-gestütztes Verfahren zur Charakterisierung von Tropfen und Partikeln vorgestellt. Die Arbeit konzentriert sich auf kontinuierliche Lichtstreusignale und deren Auswertung mit ParticleTensorAI.

ParticleTensorAI® wandelt optische Detektorsignale in tensorbasierte Datenformate um. Künstliche Intelligenz kann diese Datenstrukturen anschließend analysieren. Damit eröffnet das Verfahren einen neuen Weg für die Spraydiagnostik, die Analyse von Slurry-Tropfen und die Partikelcharakterisierung.

https://dechema.de/JTR_KRI_TRO_2026.html

Die klassische TSTOF-Messung kann Tropfengröße und Tropfengeschwindigkeit bestimmen. Dazu analysiert sie im Zählmodus einzelne Lichtstreusignale. Viele industrielle Sprays enthalten jedoch mehr Informationen als nur Größe und Geschwindigkeit.

So können Slurry-Tropfen Partikel enthalten, Lacktropfen Pigmente, und Flüssigkeitsgemische können unterschiedliche Brechungsindizes aufweisen. Eine fortgeschrittene Spraydiagnostik benötigt daher Verfahren, die auch materialbezogene Eigenschaften erfassen können.

ParticleTensorAI nutzt kontinuierliche Detektorsignale statt nur getriggerter Einzeltropfenereignisse. Dadurch bleiben mehr Informationen aus dem ursprünglichen optischen Signalstrom erhalten.

In einer praktischen Umsetzung werden mehrere Detektorsignale auf bildähnliche Tensorstrukturen abgebildet. So können beispielsweise drei Detektorkanäle RGB-Bilder bilden. Jeder Farbkanal steht dabei für ein optisches Signal.

Diese Tensorbilder lassen sich anschließend mit modernen KI-Methoden analysieren, insbesondere mit Convolutional Neural Networks (faltenden neuronalen Netzen). Auf diese Weise verbindet ParticleTensorAI® optische Messtechnik mit KI-gestützter Signalauswertung.

Die vorgestellte Arbeit konzentriert sich auf Slurry-Tropfen und partikelbeladene Sprays. Zunächst wurden kontinuierliche Lichtstreusignale mehrerer Detektoren aufgezeichnet. Anschließend wurden die Signale segmentiert und in ParticleTensorAI-Darstellungen umgewandelt.

Danach analysierten Convolutional Neural Networks die Daten. Die Modelle sagten die Massenkonzentration und die mittlere Partikelgröße in Slurry-Tropfen vorher. Sie wurden sowohl im Klassifikations- als auch im Regressionsmodus eingesetzt.

Die Analyse umfasste zudem verschiedene Detektorkombinationen und mehrere Downsampling-Faktoren. Dabei zeigte sich, dass tensorbasierte Signalstrukturen robuste Informationen über partikelbezogene Eigenschaften im Inneren von Tropfen liefern können.

ParticleTensorAI® ermöglicht die Vorhersage von Massenkonzentration und mittlerer Partikelgröße aus optischen Lichtstreudaten. In den vorgestellten Experimenten erreichte das Verfahren Vorhersagegenauigkeiten von bis zu 95 %.

Dieses Ergebnis zeigt, dass kontinuierliche Lichtstreusignale wertvolle Materialinformationen enthalten. Mit einer KI-gestützten Auswertung können diese Informationen die Analyse komplexer Tropfen, Slurry-Sprays, partikelbeladener Flüssigkeiten und Beschichtungsstoffe unterstützen.

Darüber hinaus zeigte sich, dass Downsampling die Datenrate verringern kann, ohne die Vorhersagegenauigkeit stark zu beeinträchtigen. Dies ist für künftige Echtzeitanwendungen und industrielle Überwachungssysteme von großer Bedeutung.

ParticleTensorAI vereint die Vorteile zählender und integrierender Verfahren. Es bewahrt die zeitaufgelösten Informationen des optischen Signals und analysiert gleichzeitig das kollektive Verhalten vieler Tropfen und Partikel.

Das Verfahren ist daher besonders nützlich, wenn eine klassische Einzeltropfenanalyse nicht ausreicht. Beispiele sind Slurry-Sprays, pigmentbeladene Lacke, Kristallisationsprozesse, komplexe Flüssigkeiten und Mehrphasenströmungen.

Mit tensorbasierter Spraydiagnostik können Forschende und Ingenieure mehr Informationen aus optischen Messdaten gewinnen. Dies unterstützt das Prozessverständnis, die Qualitätskontrolle, die Materialcharakterisierung und das KI-gestützte Spray-Monitoring.

ParticleTensorAI schafft eine Grundlage für künftige Arbeiten in der Spraydiagnostik und Partikelcharakterisierung. Mögliche Anwendungen sind die Bestimmung von Pigmentfarbtönen, die Analyse von Kristallisationsprozessen, die Charakterisierung von Mehrphasenströmungen und die Überwachung industrieller Beschichtungsprozesse.

Das Verfahren zeigt, wie optische Messtechnik und künstliche Intelligenz zusammenwirken können. Es erweitert die klassische TSTOF-Diagnostik und eröffnet einen neuen Weg zu einer intelligenten, triggerfreien und materialsensitiven Sprayanalyse.