近日，华南理工大学江赛华教授团队结合胆甾相液晶弹性体（CLCE）和机器视觉技术，通过机器学习算法构建并训练了两个深度学习模型（图1）：基于CLCE薄膜颜色的温度检测模型（CTVPM）和基于CLCE阵列的温度分布映射模型（CATMM）。这些模型不仅能够根据单个CLCE薄膜的颜色变化精准输出温度值，还能够通过CLCE阵列实现大面积的二维温度分布可视化，最终实现了精准、直观且便捷的表面温度检测，提供了一种低成本、高效率的温度监测方案。该工作以“Machine vision-enabled surface temperature mapping based on thermo-responsive cholesteric liquid crystal elastomer arrays”为题发表在《Journal of Materials Chemistry A》杂志上，第一作者为华南理工大学机械与汽车工程学院的硕士生赵皓天，文章通讯作者为华南理工大学江赛华教授和北京航空航天大学刘明珠教授。

                                 图1 深度学习模型示意图

发布链接：http://www.polymer.cn/sci/kjxw24016.html