Ett svenskt projekt med grafenexperter presenterar nu en ny AI-stödd metod för automatiserad kvalitetskontroll av grafenflingor – ett genombrott som enligt SIO Grafen kan påskynda övergången till storskalig produktion.
Grafen- och grafenoxidflingor står för över 85 procent av den globala grafenmarknaden och används i allt från batterier och kompositer till värmeledande material och funktionella beläggningar. Men för att kunna skala upp produktionen krävs snabb, reproducerbar och kostnadseffektiv kvalitetskontroll direkt i tillverkningsprocessen. Här visar det svenska projektet en lovande lösning.
– Genom att kombinera optisk mikroskopi med avancerade AI‑modeller har vi utvecklat ett system som kan identifiera och klassificera lager i både grafen och grafenoxid, säger Lilei Ye, projektledare och grafenexpert på Chalmers Industriteknik i ett pressmeddelande.
Kan sänka kostnaderna rejält
Projektet genomförs av 2D fab, Chalmers, Chalmers Industriteknik, Glenntex, Graphmatech, LayerOne och Tenutec. Enligt innovationsprogrammet SIO Grafen* visar resultaten inte bara hur AI kan effektivisera analysen, utan också hur viktigt det är med standardiserade metoder för provberedning när ny teknik ska införas i industrin.
– AI‑driven bildanalys kan sänka kostnaderna för kvalitetskontroll avsevärt jämfört med mer avancerade och kostsamma metoder som AFM eller Raman. Det här är ett viktigt steg mot storskalig produktion, säger Lilei Ye.
Snabb, skalbar och redo att utvecklas vidare
Kombinationen av optisk mikroskopi och AI-baserad lageridentifiering bedöms ha stor potential att bli en ny standard för kvalitetskontroll i takt med att grafenproduktionen ökar.
– Metoden är både snabb och kostnadseffektiv, vilket gör den attraktiv för industriell användning. Nästa steg är att samla in mer data för att träna modellen fullt ut och ta den hela vägen till kommersiell tillämpning, säger Lilei Ye.
* SIO Grafen är ett av sjutton strategiska innovationsprogram och drivs med stöd från Vinnova, Energimyndigheten och Formas.
