SprayQuantAI®のコンセプト
液滴が整形された光場を通過すると、時間依存の光散乱シグネチャーが生じます。記録された信号波形、信号パラメータ、タイミング特徴には、液滴とその光との相互作用に関する情報が含まれています。
SprayQuantAI®は、このシグネチャーを液滴ごとに評価します。検出器構成に応じて、シグネチャーは単一の検出器信号、または同一液滴からの同期した複数の信号で構成されます。したがって、個々の液滴の解析とは、検出器を1つしか使用できないという意味ではありません。
個々の液滴からスプレー情報へ
評価により、選択した構成と手法に応じて、液滴径、速度、個数またはレートが得られます。個別に検出された多数の液滴の結果を統合することで、スプレーに関する分布や時間依存の情報が得られます。
その他の光学的または材料関連の特性も、測定されたシグネチャーに反映されており、光学構成と評価手法がそれに対応している場合には調べることができます。例えば、2つの検出器信号間の相対的なタイミングは、液滴組成の解析に役立つ追加情報を提供し得ます。
従来型評価とAIベースの評価
SprayQuantAI®は、従来のTSTOF計算[1][2]とAIベースの信号評価[3][4]の両方に対応しています。従来の手法は、定義された信号特徴と物理的関係を用います。AIベースの手法は、適切な参照データで学習したモデルを用いて光散乱シグネチャーを評価します。
どちらのアプローチも、測定が個々の液滴のシグネチャーに基づくという同じ中心的コンセプトを保っています。用途に応じてどの特性を得られるかは、選択した手法、校正、検証によって決まります。
SprayQuantAI®、ParticleTensorAI®、SprayConeAI®の比較
3つのプラットフォームは、個々の液滴のシグネチャー、バッファリングされた光散乱シーケンス、スプレーの画像という、スプレー特性評価の異なるレベルを対象としています。
| プラットフォーム | 評価するデータ | 解析コンセプト | 主な対象 |
|---|---|---|---|
| SprayQuantAI® | 個々の液滴の光散乱シグネチャー | 液滴ごとの従来型またはAIベースの評価 | 個々の事象から導かれる液滴特性とスプレー統計 |
| ParticleTensorAI® | テンソルとして表現された、バッファリングされた光散乱シーケンス | 記録区間にわたるパターンのAIベース解析 | 用途に応じた粒子・材料・プロセスの特性評価 |
| SprayConeAI® | スプレーコーンおよびスプレーパターンの画像 | 画像ベースの解析 | スプレーコーンの形状と空間的なスプレーパターン |
ParticleTensorAI®は、解析前にすべての液滴事象を分離することなく信号シーケンスを評価します。SprayConeAI®は、画像から目に見えるスプレー形状を評価します。SprayQuantAI®は、個別に検出された各液滴に対応する光学シグネチャーに焦点を当てています。
参考文献
[1] W. Schaefer, L. Li, P. Stegmann, and M. Terada, “TSTOF測定法に関する技術報告書：第一部 ─ 技術的基礎、歴史的発展、および他のレーザー測定法との比較,” J. Coat. Technol. Res., vol. 61, no. 3, Art. no. 100, 2026. [Online]. Available: https://jcot.or.jp/download/61-03-2.pdf
[2] W. Schaefer, L. Li, P. Stegmann, and M. Terada, “Technical report on the TSTOF measurement method: Technical basics, historical development, and comparison with other laser-based measurement methods,” Photonics, vol. 13, no. 1, Art. no. 56, 2026, doi: 10.3390/photonics13010056. https://www.mdpi.com/2304-6732/13/1/56
[3] W. Schaefer and L. Li, “Particle characterization by analyzing light scattering signals with a machine learning approach,” in Proc. 16th Triennial Int. Conf. Liquid Atomization and Spray Systems (ICLASS), Shanghai, China, 2024. http://ilassasia.org/iclass-2024/
[4] W. Schaefer and L. Li, “Particle characterization by analyzing light scattering signals with a machine learning approach,” Appl. Opt., vol. 63, no. 29, pp. 7701–7711, Oct. 2024, doi: 10.1364/AO.531346. https://opg.optica.org/ao/abstract.cfm?uri=ao-63-29-7701