ICLASS 2024 – 機械学習によるスプレー診断

中国・上海で開催された16th Triennial International Conference on Liquid Atomization and Spray Systems（ICLASS 2024）にて、機械学習によるスプレー診断と粒子特性評価に関するポスター発表を行いました。本研究は、データ駆動型の手法が光学式スプレー測定をどのように改善し、複雑な微粒化プロセス向けのコンパクトな測定装置を実現できるかを示しています。

ポスターでは、機械学習アプローチで光散乱信号を解析することによる粒子特性評価に焦点を当てています。この手法は、確立されたTime-Shift Time-of-Flight（TSTOF）測定技術に基づいています。TSTOFは、市販の測定システムSpraySpy®でも知られています。

スプレーや流れの中の粒子特性評価には、粒子径と粒子速度に関する詳細な情報が必要となることが少なくありません。従来のTSTOFベースの装置は、この情報を抽出するために複数の光学信号を使用します。これらの信号は、構造化された光場を通過する液滴や粒子から得られます。

本研究では、機械学習によって必要な信号の数をいかに削減できるかを示します。モデルは信号セット全体から学習し、最終的な評価には1つの信号のみを使用します。その結果、この手法でもサイズや速度などの重要な粒子情報を求めることができます。

機械学習によるスプレー診断は、光学測定システムの簡素化に役立ちます。最終的な評価で1つの信号のみを使用することで、必要な光学部品の数を減らすことができます。

これにより、いくつかの実用的な利点が生まれます。光源1つ、検出器3つ、および関連する電子部品・光学部品の一部が不要になる可能性があります。したがって、将来のTSTOFベースのシステムは、より小型で低コストになり、実験室や産業環境への統合も容易になる可能性があります。

TSTOF測定技術は、光学式スプレー診断と粒子測定において長い歴史を持っています。流れの中の粒子や液滴から得られる、時間的にシフトした光散乱信号を解析します。この手法に基づく市販装置は、SpraySpy®というブランド名で知られるようになりました。

ICLASS 2024での発表は、この確立された測定原理を機械学習によってどのように拡張できるかを示しています。従来の光学診断とAI支援による信号評価とのこの結びつきは、SprayQuantAI®のような新しいシステムに向けた重要な一歩となります。

提示したアプローチは、粒子特性評価、液滴解析、光学式スプレー診断、産業用スプレーモニタリングに役立ちます。光散乱信号から関連情報を保持しつつ、ハードウェアの複雑さを抑えてスプレーを測定することを、研究者やエンジニアに可能にします。

そのため、この手法は、微粒化研究、コーティングプロセス、スプレー開発、プロセスモニタリング、コンパクトな光学測定装置にとって興味深いものです。