Sistema di monitoraggio in tempo reale e controllo ad anello chiuso per elettrospinning multi-getto con laser coassiale

Rendere le fibre minuscole più affidabili

Dai filtri d’aria e dalle mascherine alla depurazione dell’acqua e all’elettronica indossabile, molte tecnologie emergenti si basano su fogli di fibre ultrafini chiamate nanofibre. Queste fibre vengono spesso prodotte con una tecnica nota come elettrospinning, che tira il liquido in filamenti sottili usando l’elettricità. Pur essendo un metodo potente, può essere capriccioso: piccole perturbazioni possono trasformare un processo regolare in uno disordinato, causando qualità delle fibre disomogenea. Questo studio presenta un modo per osservare e correggere automaticamente un processo di elettrospinning a più ugelli in tempo reale, aprendo la strada a una produzione più affidabile e scalabile di materiali nanofibrosi di elevata qualità.

Come i getti elettrici filano le trame

Nell’elettrospinning, un liquido contenente polimero disciolto viene spinto attraverso aghi sottili verso una piastra metallica. Un forte campo elettrico allunga la goccia al bordo di ogni ago in una forma appuntita e poi in un getto, che si assottiglia e si asciuga trasformandosi in una fibra solida prima di depositarsi sul collettore. Per aumentare la produzione, i produttori preferiscono usare diversi aghi contemporaneamente, creando più getti e accumulando i fogli di nanofibra più rapidamente. Ma ogni getto si comporta in modo leggermente diverso, e raffiche d’aria, vibrazioni o piccole variazioni nel flusso del liquido possono far gocciolare alcuni getti, farne scomparire altri o indurre comportamenti erratici. Poiché le fibre sono così piccole e i getti deboli, specialmente quando si usano molti aghi, è difficile monitorare tutti i getti contemporaneamente e regolare il processo prima che appaiano difetti.

Illuminare getti invisibili

I ricercatori hanno affrontato questo problema di visibilità costruendo un apparato di elettrospinning multi-getto con tre aghi coassiali speciali, ognuno dei quali trasporta sia la soluzione polimerica sia un sottile fascio laser. Il laser scorre all’interno dell’ago interno e si accoppia al getto emergente, facendo brillare intensamente la zona della goccia e del getto sulla camera senza disturbare il processo di filatura. Una telecamera industriale ad alta velocità è puntata sulla regione in cui si formano i getti, mentre un computer riceve le immagini e un alimentatore ad alta tensione genera il campo elettrico. Questa disposizione consente al sistema di osservare la forma della goccia alla punta di ogni ago (il cosiddetto cono) e la lunghezza visibile rettilinea di ciascun getto, che sono indicatori chiave per capire se il processo sta producendo fibre di buona qualità.

Insegnare a un computer a interpretare il comportamento dei getti

Per trasformare le immagini grezze in informazioni utili, il team ha progettato un algoritmo di elaborazione delle immagini pensato per gestire più getti. Innanzitutto pulisce e semplifica ogni fotogramma, convertendolo in bianco e nero in modo che i getti luminosi risaltino chiaramente sullo sfondo. Poi individua automaticamente e delimita la regione attorno a ogni getto, evitando la necessità di selezione manuale. All’interno di ogni riquadro, l’algoritmo separa il cono a forma di goccia dal sottostante getto sottile, usando filtraggi digitali per rimuovere il rumore e distinguere l’ampio cono dal getto stretto. Successivamente traccia la linea centrale di ciascun getto per misurarne la lunghezza visibile e adatta la forma del cono a semplici figure geometriche come triangoli, cerchi o ellissi per calcolarne l’area. Tutto ciò avviene in meno di 40 millisecondi per fotogramma, abbastanza veloce da seguire il comportamento in continua evoluzione di più getti in tempo reale.

Dal monitoraggio alla correzione in tempo reale

Misurare i getti è solo metà della storia; il vero progresso è usare quelle misure per correggere automaticamente il processo. Sulla base di esperimenti, gli autori hanno definito quattro stati di base dei getti: una goccia pendente senza getto, un getto molto sottile e instabile, un getto normale e stabile che produce fibre uniformi, e un getto in ritiro che viene richiamato nell’ago. Combinando area del cono e lunghezza del getto, il computer può classificare ogni getto in uno di questi stati. Segue quindi un semplice insieme di regole: ogni volta che un getto diventa troppo corto, troppo grande o si ritira, il sistema aumenta o diminuisce la tensione applicata a piccoli passi finché tutti i getti non tornano allo stato normale. Poiché le variazioni di tensione agiscono quasi istantaneamente sul liquido, questo circuito di retroazione può rispondere rapidamente alle perturbazioni senza fare affidamento su regolazioni più lente dell’alimentazione del liquido.

Controllo più preciso, nanofibre migliori

Quando i ricercatori hanno confrontato membrane di nanofibre prodotte con e senza questo sistema di controllo ad anello chiuso, la differenza era evidente. Senza correzione automatica, gocce cadevano periodicamente sul collettore, rompendo e accartocciando le fibre e causando un’ampia variabilità nel diametro delle fibre. Con il monitoraggio in tempo reale e la regolazione della tensione, i getti rimanevano nel loro stato stabile, la gocciolatura era in gran parte soppressa e le nanofibre risultanti avevano uno spessore molto più uniforme. Per i non specialisti, la conclusione è che combinare imaging intelligente, algoritmi veloci e semplici regole di retroazione può trasformare un processo di laboratorio delicato e difficile da controllare in uno strumento di produzione più robusto, aiutando filtri futuri, materiali medicali e dispositivi energetici a diventare più coerenti e più facili da produrre su larga scala.

Citazione: Jiang, J., Sun, Z., Chen, J. et al. Real-time monitoring and closed-loop control system for multi-jet electrospinning with coaxial laser. Sci Rep 16, 8225 (2026). https://doi.org/10.1038/s41598-026-39655-5

Parole chiave: elettrospinning, membrane di nanofibre, monitoraggio del processo, controllo ad anello chiuso, rilevamento basato su immagini