Автори | B.A. Tingare1, S.R. Deshmukh2, R.A. Kapgate3, S.R. Thorat3, P. William4 , S.D. Jondhale5, V.D. Dabhade6 |
Афіліація |
1Department of Artificial Intelligence and Data Science, D Y Patil College of Engineering, Akurdi, Pune 2Department of Computer Engineering, Sanjivani College Engineering, Kopargaon, MH, India 3Department of Mechatronics Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 4Department of Information Technology, Sanjivani College of Engineering, Kopargaon, MH, India 5Department of Computer Engineering, Pravara Rural Engineering College, SPPU, Pune, India 6MET Institute of Engineering, Nashik, India |
Е-mail | bhagyashreetingare@gmail.com |
Випуск | Том 17, Рік 2025, Номер 2 |
Дати | Одержано 14 лютого 2025; у відредагованій формі 25 квітня 2025; опубліковано online 28 квітня 2025 |
Цитування | B.A. Tingare, S.R. Deshmukh, R.A. Kapgate, та ін., Ж. нано- електрон. фіз. 17 № 2, 02027 (2025) |
DOI | https://doi.org/10.21272/jnep.17(2).02027 |
PACS Number(s) | 07.05.Mh, 84.71.Mn |
Ключові слова | Електровідцентровані нанофібри, Контроль якості, Аналіз зображень, Глибока нейронна мережа (2) , ESMA-ADRN, PCA. |
Анотація |
Електровідцентровані нанофібри широко використовуються в інноваційних галузях, зокрема в біомедичній інженерії для каркасів тканин, фільтрації повітря та води, акумулюванні енергії тощо, завдяки високому співвідношенню площі поверхні до об’єму. Однак, серед основних проблем є відсутність точного контролю якості під час виробництва, що призводить до значних варіацій у властивостях та продуктивності матеріалу. У цій роботі запропоновано вирішення цієї проблеми шляхом розробки моделі ESMA-ADRN (Efficient Slime Mould Algorithm — оптимізована адаптивна глибока залишкова нейромережа) для оцінки якості нанофібрових структур на основі аналізу зображень. Для дослідження використовувався датасет зображень електровідцентрованих нанофібр, які проходили попередню обробку методом медіанного фільтрування для зменшення шуму. Виділення ознак проводилось за допомогою методу головних компонент (PCA) для вибору найбільш інформативного простору ознак. Результати моделі ESMA-ADRN перевершили інші моделі за всіма показниками, зокрема: – Точність (accuracy): 94,30%; – Прецизійність (precision): 96,58%; – Чутливість (sensitivity): 93,04%; – Специфічність (specificity): 93,72%; – F-мірa: 94,77%. У перспективі подальші дослідження повинні охоплювати більше виробничих сценаріїв, а також передбачати тонке налаштування параметрів моделі для підвищення її ефективності у різних умовах виробництва. |
Перелік посилань |