Gli autori ringraziano il supporto dalla National Science Foundation, CBET0846359, concessione del monitor Horst Henning inverno.

1. Creazione di un flusso misurabile <ol><li> Misurazioni convalida EPIV verrà dimostrato in tubo di flusso di una soluzione acquosa di glicerina (50% glicerina - acqua 50%). Uno schema del setup sperimentale è mostrato in Figura 1. </li><li> Sfere cave di vetro con un diametro nominale di 10 um vengono aggiunti al fluido ad una concentrazione di circa 17 parti in peso per milione. Le sfere cave di vetro servire come agenti di contrasto ad ultrasuoni, e la loro dimensione e densità sono scelti in modo tale che essi seguono passivamente il flusso di fluido. 10 </li><li> Una tensione fissa viene alimentato alla pompa di introdurre una portata nota. La portata viene scelto in modo che U &lt;&lt; AX / AT, dove U è la velocità media nel tubo, AX è la lunghezza lineare del volume EPIV misurazione, e t è il tempo di passaggio tra le immagini, cioè, il flusso di necessità &quot;lento&quot; rispetto ai fps degli ultrasuoni systelo. 3 </li></ol> 2. Calibrare il ultrasuoni <ol><li> Montare la sonda ad ultrasuoni per la parete esterna del tubo. Un gel a base di acqua per uso topico viene applicata alla sonda ad ultrasuoni per minimizzare la perdita di trasmissione del fascio di ultrasuoni tra la faccia sonda e la parete del tubo. </li><li> Accendere la macchina ad ultrasuoni. Un flusso vivo di immagini ecografiche si avvia automaticamente una volta che tutti i sistemi di carico. </li><li> Regolare la profondità di immagine utilizzando la manopola di profondità di controllo sul pannello di controllo della macchina ad ultrasuoni. </li><li> Impostare il guadagno totale di immagine utilizzando la manopola 2D guadagno sul pannello di controllo della macchina ad ultrasuoni. </li><li> Regolare il tempo di guadagno della compensazione (TGC) cursori per attenuare dispersione dalle pareti del tubo e per compensare la profondità relativa attenuazione del segnale ultrasonico. </li><li> La larghezza immagine, messa a fuoco, la frequenza di funzionamento della sonda, e il frame rate vengono regolati utilizzando le manopole di controllo assegnabili. Questequattro manopole, poste nella parte superiore sinistra del pannello di controllo, variano a seconda del modo in cui il sistema è in esecuzione. In modalità 2D (come attualmente utilizzato), da sinistra a destra le manopole corrispondono alla larghezza, fuoco, frequenza e frame rate, rispettivamente. Si noti che, a causa dei principi fondamentali della ecografia 9, i quattro parametri sono intrinsecamente accoppiati. Di conseguenza, per una ecografia determinata immagine (ad esempio, un esperimento EPIV) c&#39;è un trade-off tra risoluzione spaziale e temporale. </li><li> Vedere Figura 2 per una immagine ad ultrasuoni rappresentativo del flusso tubo seminato con 10 pM sfere cave di vetro. Notare che a causa della limitata risoluzione laterale, le sfere di vetro sono spalmati in direzione laterale e appaiono come ellissoidi nell&#39;immagine. </li></ol> 3. Raccolta dei dati <ol><li> Premere il pulsante Nuovo esame sul pannello di controllo ad ultrasuoni per iniziare un nuovo esperimento. </li><li> Creazione di unnuovo &quot;paziente&quot; inserendo Pipe Flow in Cognome e la data di oggi in nome e il numero di test in ID paziente. </li><li> Dopo la creazione del &quot;paziente&quot;, un&#39;ecografia e fino a quando il valore massimo prestabilito di immagini tra 1000-1500 si raggiunge, dopo di che un ciclo di scansione inizia il secondo. Premendo il pulsante Blocca sul pannello di controllo ad ultrasuoni per due volte si riavvia la scansione in qualsiasi momento prima di raggiungere il numero massimo prestabilito di immagini. </li><li> Una volta che un buon set di immagini ecografiche è stato acquisito (ad esempio, le immagini nitide di particelle di semi e sufficiente densità di particelle di semi), premere il pulsante Blocca sul pannello di controllo ad ultrasuoni per arrestare l&#39;acquisizione delle immagini. </li><li> Premere il pulsante Cineloop sul pannello di controllo ad ultrasuoni. Selezionare il set di immagini ecografiche per essere analizzati utilizzando la manopola primo ciclo sul pannello di controllo ecografico per selezionare la prima immagine nel set, e la manopola ultimo ciclo per selezionare l&#39;ultima immagine nel set. </li><li> Premere il pulsante Image Store sul pannello di controllo ad ultrasuoni per salvare la serie selezionata di immagini ecografiche. </li><li> Premere il pulsante Archivia sul pannello di controllo ad ultrasuoni e utilizzare il cursore del mouse per selezionare Fine esame. Questo richiederà all&#39;utente di selezionare immagini o cineloops per salvare sul disco rigido locale. Selezionare la cineloop (s) di interesse uscire l&#39;esame. </li><li> Premere il pulsante Archivia sul pannello di controllo ad ultrasuoni e utilizzare il cursore del mouse per selezionare prima Altro, quindi selezionare Gestione disco. Gestione disco trasferirà il cineloop salvato (s) per il PC che esegue il software di PIV. </li></ol> 4. Conversione Tipo di file <ol><li> L&#39;immagine ecografica viene archiviato come un sistema di comunicazione digitale di immagini in medicina (DICOM) tipo di file sulla macchina ad ultrasuoni. Al fine di essere aperto e letto dal software PIV, i file DICOM devono essere convertiti in file di immagine. Attualmente,un DICOM2JPG.m script di Matlab in esecuzione viene utilizzato per convertire i file DICOM per Joint Photographic tipo di gruppo di esperti del file (JPEG). </li><li> Le immagini ecografiche JPEG vengono poi analizzati utilizzando il software Davis da LaVision. </li></ol> 5. Computing campi di spostamento, D (x, y), Utilizzo di Davis <ol><li> Fare doppio clic del mouse sull&#39;icona Davis sul PC. Selezionare Nuovo progetto. Selezionare PIV. </li><li> Selezionare Importa immagini nella barra degli strumenti, e scegliere Importa tramite file numerati. Nel menu a discesa, individuare la cartella in cui sono memorizzate le immagini JPEG ad ultrasuoni, e fare doppio clic sulla prima immagine del set. Questo consente di importare tutte le immagini ad ultrasuoni in questa serie numerata. </li><li> Tipicamente una maschera d&#39;immagine sarà definito per isolare la regione di interesse (ROI) nell&#39;immagine ad ultrasuoni da elaborare. Per tubo di flusso, la maschera viene utilizzato per definire la ROI tra le pareti del tubo (cioè, il fluido). </li><li> Vai al pannello di controllo principale in Davis, selezionare la scheda che trovi sotto Progetto corrente contenente le immagini importate, e selezionare l&#39;etichetta di elaborazione batch scheda. In questo modo la finestra di elaborazione vettoriale di Davis per l&#39;elaborazione batch delle immagini ecografiche importate. </li><li> Dall&#39;elenco delle operazioni, utilizzando il PIV-Time-Series albero, selezionare i parametri di calcolo vettoriale, e scegliere i parametri da utilizzare per l&#39;elaborazione vettoriale. Se si utilizza una maschera, selezionare la casella Intervallo dati = utilizzare l&#39;area mascherata nel menu parametri di calcolo vettoriale. Si noti che la selezione ottimale dei parametri di calcolo vettoriale dipende dalla geometria del flusso, proprietà di scorrimento, risoluzione dell&#39;immagine, la densità delle particelle traccianti, e desiderato l&#39;analisi quantitativa del flusso 10. Per misure di portata dei tubi, i parametri che sono tipicamente dato i migliori risultati sono multipass con dimensioni interrogatori diminuzione di 32 x 32 pixel 2-8 x8 pixel 2, con una sovrapposizione di 50%. Relativa restrizione gamma vettore è stato impostato su ± tutti (dimensione della finestra / 2) e assoluta restrizione gamma Vector è stato fissato a ± 5 pixel. Infine, un 3 x 2 3pixel filtro mediano è stato utilizzato per eliminare il rumore e lisciare i campi vettoriali. </li><li> Sulla sinistra della schermata elaborazione batch, selezionare la quantità totale di immagini da elaborare e selezionare elaborazione iniziale. Questo calcolo del campo di spostamento, D (x, y), tra immagini ecografiche successive utilizzando algoritmi di cross-correlazione. </li></ol> 6. Analisi Vector Fields <ol><li> Per l&#39;analisi post-elaborazione e dati, i campi vettoriali EPIV sono esportati da Davis. File txt. Questo si ottiene selezionando il ramo vettore spostamento sotto il ramo immagine JPEG nella schermata progetto. Nella barra degli strumenti, selezionare la scheda Esporta, selezionare il tipo di file ASCII. Txt, selezionare / creare una cartella di esportazione, und selezionare Esporta. </li><li> I campi vettoriali esportati sono denominati Bxxxxx.txt, dove xxxxx 00001 ≤ ≤ 99999, con tampone B denota. Ogni file contiene quattro colonne di dati: (1) x-posizione del vettore nell&#39;immagine, (2) y-posizione del vettore nell&#39;immagine, (3) x-componente di spostamento (cioè spostamento streamwise), (4) y-componente di spostamento (ad esempio, a parete normale spostamento). I file Bxxxxx.txt vengono aperti ed elaborati in MATLAB per calcolare il primo campo di velocità, conoscendo il passo temporale tra coppie di immagini, AT [s], e l&#39;ingrandimento dell&#39;immagine, M [metri / pixel], cioè u (x, y ) MD = (x, y) / AT,. Il passo di tempo tra le immagini AT = 1/fps + D (x, y) / B, dove B [pixel / s] è il tempo necessario per la sonda ad ultrasuoni per spazzare tutta la larghezza dell&#39;immagine. Nel presente studio, M = 77 [micron / pixel], fps = 49,5 [1 / s], e B = 25.047 pixel [/ s]. Successivamente, ensemblebili medi campi vettoriali di velocità, a parete normali profili di velocità media, tra le quantità di flussi di interesse calcolati. (Vedere la sezione Rappresentante dei risultati.) </li></ol>

<ol>
	<li>White, F. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Fluid Mechanics. , (1994).</li><li>Hak, M. G. a. d. -. e. l. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Flow Control: Passive, Active, and Reactive Flow Management. , (2000).</li><li>Kim, B. H., Hertzberg, J. R., Shandas, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+validation+of+echo+PIV.">Development and validation of echo PIV.</a> Exp. Fluids. 36, 455-462 (2004).</li><li>Zheng, H., Liu, L., Williams, L., Hertzberg, J. R., Lanning, C., Shandas, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real+time+multicomponent+echo+particle+image+velocimetry+technique+for+opaque+flow+imaging.">Real time multicomponent echo particle image velocimetry technique for opaque flow imaging.</a> Appl. Phys. Lett. 88, 261915 (2006).</li><li>Beulen, B., Bijnens, N., Rutten, M., Brands, P., van de Vosse, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Perpendicular+ultrasound+velocity+measurement+by+2D+cross+correlation+of+RF+data.+Part+A:+validation+in+a+straight+tube.">Perpendicular ultrasound velocity measurement by 2D cross correlation of RF data. Part A: validation in a straight tube.</a> Exp. Fluids. 49, 1177-1186 (2010).</li><li>Poelma, C., Mari, J. M., Foin, N., Tang, M. -. X., Krams, R., Caro, C. G., Weinberg, P. D., Westerweel, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+Flow+reconstruction+using+ultrasound+PIV.">3D Flow reconstruction using ultrasound PIV.</a> Exp. Fluids. 50, 777-785 (2011).</li><li>GE VINGMED ULTRASOUND A/A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Vivid 7/Vivid 7 PRO Userâ€™s Manual. , (1988).</li><li>Szabo, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Diagnostic Ultrasound Imaging: Inside Out. , (2004).</li><li>Raffel, M., Willert, C., Wereley, S., Kompenhans, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Particle Image Velocimetry: A Practical Guide. , (2007).</li></ol>

Gli autori non hanno nulla da rivelare.

Il protocollo operativo per l&#39;eco particella Image Velocimetry (EPIV) sistema in grado di acquisire bidimensionali campi di velocità nei fluidi otticamente opachi o attraverso geometrie impenetrabili è stato descritto. Applicazione pratica di EPIV è adatto per lo studio dei sistemi di flusso industriali e biologiche, dove il flusso di fluidi opachi si verifica in una grande applicazione molti. Il particolare sistema qui presentato è stato volutamente costruito per studiare le proprietà di flusso di fluidi liqui...

<table border="1"><tbody><tr><td> Nome del reagente </td><td> Azienda </td><td> Numero di catalogo </td><td> Commenti (opzionale) </td></tr><tr><td> Ultrasuoni macchina </td><td> GE </td><td> Vivid 7 Pro </td><td></td></tr><tr><td> Ultrasuoni Array lineare </td><td> GE </td><td> 10 L </td><td></td></tr><tr><td> DC Pompa acqua </td><td> KNF </td><td> NF 10 KPDC </td><td></td></tr><tr><td> Vector Processing Software </td><td> Lavision </td><td> Davis 7,2 </td><td></td></tr><tr><td> Messaggio Software di elaborazione </td><td> Mathworks </td><td> MATLAB 7,12 </td><td></td></tr><tr><td> Tubi Acrilico </td><td> McMaster-Carr </td><td> 8486K531 </td><td></td></tr><tr><td> Gel Ultrasuoni </td><td> Parker </td><td> Aquasonic 100 </td><td></td></tr></tbody></table>

echo particle image velocimetry

Il trasporto di massa, quantità di moto ed energia nel fluido è determinata in ultima analisi da distribuzioni spazio-temporali del campo di velocità del fluido. 1 Di conseguenza, un prerequisito per la comprensione, previsione e controllo dei flussi dei fluidi è la capacità di misurare il campo di velocità con un adeguato spaziale e risoluzione temporale. 2 Per misure di velocità nei fluidi otticamente opachi o attraverso geometrie otticamente opache, echo Particle Image Velocimetry (EPIV) è una tecnica diagnostica attraente per generare &quot;istantaneo&quot; bidimensionali campi di velocità. 3,4,5,6 In questo carta, il protocollo operativo per un sistema EPIV costruito integrando una macchina commerciale ultrasuoni medico 7 con un PC commerciale velocimetry immagini di particelle (PIV) è descritto il software 8, e le misure di convalida di Hagen-Poiseuille (cioè laminare tubi) di flusso sono riportati . Per la misura EPIVmenti, una sonda phased array collegato alla macchina ad ultrasuoni medico viene utilizzato per generare una immagine bidimensionale ad ultrasuoni facendo pulsare elementi piezoelettrici sonda in tempi diversi. Ogni elemento sonda trasmette un impulso ad ultrasuoni nel liquido, e particelle traccianti nel fluido (sia naturale o seminate) riflettono ultrasuoni echi torna alla sonda in cui sono registrati. L&#39;ampiezza delle onde ad ultrasuoni riflesse e loro ritardo relativo alla trasmissione sono utilizzati per creare il cosiddetto B-mode (modalità luminosità) bidimensionali immagini ecografiche. Specificatamente, il tempo di ritardo viene utilizzato per determinare la posizione del diffusore nel fluido e l&#39;ampiezza è utilizzato per assegnare intensità al diffusore. Il tempo necessario per ottenere una singola immagine di modo B, t, è determinata dal tempo necessario per pulsare tutti gli elementi della sonda phased array. Per l&#39;acquisizione di più immagini B-mode, la frequenza dei fotogrammi del sistema in fotogrammi al secondo (fps) = 1 / &amp; delta, t. (Vedi 9 per una rassegna di immagini ecografiche.) Per un tipico esperimento EPIV, il frame rate è tra 20-60 fps, a seconda delle condizioni di flusso, e 100-1000 B-mode immagini della distribuzione spaziale delle particelle traccianti nel flusso sono acquisiti. Una volta acquisite, le immagini B-mode ad ultrasuoni vengono trasmessi tramite una connessione Ethernet per il PC che esegue il software di PIV commerciale. Utilizzando il software PIV, campi di spostamento di particelle traccianti, D (x, y) [pixel], (dove x ed y orizzontale e verticale posizione spaziale nella immagine ad ultrasuoni, rispettivamente) sono acquisiti applicando algoritmi di correlazione incrociata per successive ultrasuoni B- immagini in modalità 10. I campi di velocità, u (x, y) [m / s], sono determinati dai campi spostamenti, conoscendo il passo temporale tra coppie di immagini, AT [s], e l&#39;ingrandimento dell&#39;immagine, M [metri / pixel ], cioè, u (x, y) = MD (x, y) / AT. Il tempo di passaggio bra immagini AT = 1/fps + D (x, y) / B, dove B [pixel / s] è il tempo necessario per la sonda ad ultrasuoni per spazzare tutta la larghezza dell&#39;immagine. Nel presente studio, M = 77 [micron / pixel], fps = 49,5 [1 / s], e B = 25.047 pixel [/ s]. Una volta acquisita, i campi di velocità possono essere analizzati per calcolare quantità di flusso di interesse.

Un istantaneo particella echo velocimetry (EPIV) campo vettoriale è mostrato in Figura 3. Il grafico vettoriale mostra vettori di velocità ogni quarta colonna, e il colore di sfondo mappa contorno corrisponde alla magnitudine velocità. Una media trama insieme vettore media di oltre 1000 istantanei grafici vettoriali EPIV è mostrato in Figura 4. Coerentemente con tubo di flusso, i vettori di velocità sono principalmente nella direzione streamwise, maggiori velocità verificano in co...

Watch this Scientific Journal Video about Echo Particle Image Velocimetry at JoVE.com

Echo Particle Image Velocimetry

Una particella Image Echo velocimetria (EPIV) sistema in grado di acquisire bidimensionali campi di velocità nei fluidi otticamente opachi o attraverso geometrie impenetrabili è descritto, e le misure di convalida del flusso del tubo sono segnalati.

The transport of mass, momentum, and energy in fluid flows is ultimately determined by spatiotemporal distributions of the fluid velocity field.1 ...

Education

Research

JoVE Core

JoVE Journal

Physics

Civil Engineering

Mechanical Engineering

Engineering

Unit 1

Kinematics of a Particle

Fluid Kinematics

Vectors and Scalars

SCIENTISTS IN ACTION

14.5K Views.  University of New Hampshire. Una particella Image Echo velocimetria (EPIV) sistema in grado di acquisire bidimensionali campi di velocità nei fluidi otticamente opachi o attraverso geometrie impenetrabili è descritto, e le misure di convalida del flusso del tubo sono segnalati.

Video: Echo Particle Image Velocimetry

Gradient Echo Quantum Memory in Warm Atomic Vapor

Gradient echo memory (GEM) is a protocol for storing optical quantum states of light in atomic ensembles. The primary motivation for such a technology is that quantum key distribution (QKD), which uses Heisenberg uncertainty to guarantee security of cryptographic keys, is limited in transmission distance. The development of a quantum repeater is a possible path to extend QKD range, but a repeater will need a quantum memory. In our experiments we use a gas of rubidium 87 vapor that is contained in a warm gas cell. This makes the scheme particularly simple. It is also a highly versatile scheme that enables in-memory refinement of the stored state, such as frequency shifting and bandwidth manipulation. The basis of the GEM protocol is to absorb the light into an ensemble of atoms that has been prepared in a magnetic field gradient. The reversal of this gradient leads to rephasing of the atomic polarization and thus recall of the stored optical state. We will outline how we prepare the atoms and this gradient and also describe some of the pitfalls that need to be avoided, in particular four-wave mixing, which can give rise to optical gain.

The gradient echo memory is a protocol for storing optical quantum states of light in atomic ensembles. Quantum memory is a key element of a quantum repeater, which can extend the range of quantum key distribution. We outline the operation of the scheme when implemented in a 3-level atomic ensemble.

Gradient Echo Quantum Memoria in Warm Atomic Vapor

Gradient  echo memory (GEM) is a protocol for storing optical quantum states of light in  atomic ensembles. The primary motivation for such a technology ...

Ricerca

Ingegneria

High-speed Particle Image Velocimetry Near Surfaces

Multi-dimensional and transient flows play a key role in many areas of science, engineering, and health sciences but are often not well understood. The complex nature of these flows may be studied using particle image velocimetry (PIV), a laser-based imaging technique for optically accessible flows. Though many forms of PIV exist that extend the technique beyond the original planar two-component velocity measurement capabilities, the basic PIV system consists of a light source (laser), a camera, tracer particles, and analysis algorithms. The imaging and recording parameters, the light source, and the algorithms are adjusted to optimize the recording for the flow of interest and obtain valid velocity data. 
Common PIV investigations measure two-component velocities in a plane at a few frames per second. However, recent developments in instrumentation have facilitated high-frame rate (&gt; 1 kHz) measurements capable of resolving transient flows with high temporal resolution. Therefore, high-frame rate measurements have enabled investigations on the evolution of the structure and dynamics of highly transient flows. These investigations play a critical role in understanding the fundamental physics of complex flows.
A detailed description for performing high-resolution, high-speed planar PIV to study a transient flow near the surface of a flat plate is presented here. Details for adjusting the parameter constraints such as image and recording properties, the laser sheet properties, and processing algorithms to adapt PIV for any flow of interest are included.

A procedure for studying transient flows near boundaries using high-resolution, high-speed particle image velocimetry (PIV) is described here. PIV is a non-intrusive measurement technique applicable to any optically accessible flow by optimizing several parameter constraints such as the image and recording properties, the laser sheet properties, and analysis algorithms.

Alta velocità Particle Image Velocimetry prossimità di superfici

Multi-dimensional and transient flows play a key role in many areas of science, engineering, and health sciences but are often not well understood. The ...

Using Neutron Spin Echo Resolved Grazing Incidence Scattering to Investigate Organic Solar Cell Materials

The spin echo resolved grazing incidence scattering (SERGIS) technique has been used to probe the length-scales associated with irregularly shaped crystallites. Neutrons are passed through two well defined regions of magnetic field; one before and one after the sample. The two magnetic field regions have opposite polarity and are tuned such that neutrons travelling through both regions, without being perturbed, will undergo the same number of precessions in opposing directions. In this case the neutron precession in the second arm is said to &#34;echo&#34; the first, and the original polarization of the beam is preserved. If the neutron interacts with a sample and scatters elastically the path through the second arm is not the same as the first and the original polarization is not recovered. Depolarization of the neutron beam is a highly sensitive probe at very small angles (&#60;50&#160;&#956;rad) but still allows a high intensity, divergent beam to be used. The decrease in polarization of the beam reflected from the sample as compared to that from the reference sample can be directly related to structure within the sample.
In comparison to scattering observed in neutron reflection measurements the SERGIS signals are often weak and are unlikely to be observed if the in-plane structures within the sample under investigation are dilute, disordered, small in size and polydisperse or the neutron scattering contrast is low. Therefore, good results will most likely be obtained using the SERGIS technique if the sample being measured consist of thin films on a flat substrate and contain scattering features that contains a high density of moderately sized features (30 nm to 5 &#181;m) which scatter neutrons strongly or the features are arranged on a lattice. An advantage of the SERGIS technique is that it can probe structures in the plane of the sample.

Progress has been made in utilizing spin echo resolved grazing incidence scattering (SERGIS) as a neutron scattering technique to probe the length-scales in irregular samples. Crystallites of [6,6]-phenyl-C61-butyric acid methyl ester have been probed using the SERGIS technique and the results confirmed by optical and atomic force microscopy.

Utilizzo dello scattering di incidenza di pascolo risolto neutroni Spin Echo per indagare i materiali organici delle celle solari

The spin echo resolved grazing incidence scattering (SERGIS) technique has been used to probe the length-scales associated with irregularly shaped ...

Characterization of Nanocrystal Size Distribution using Raman Spectroscopy with a Multi-particle Phonon Confinement Model

Analysis of the size distribution of nanocrystals is a critical requirement for the processing and optimization of their size-dependent properties. The common techniques used for the size analysis are transmission electron microscopy (TEM), X-ray diffraction (XRD) and photoluminescence spectroscopy (PL). These techniques, however, are not suitable for analyzing the nanocrystal size distribution in a fast, non-destructive and a reliable manner at the same time. Our aim in this work is to demonstrate that size distribution of semiconductor nanocrystals that are subject to size-dependent phonon confinement effects, can be quantitatively estimated in a non-destructive, fast and reliable manner using Raman spectroscopy. Moreover, mixed size distributions can be separately probed, and their respective volumetric ratios can be estimated using this technique. In order to analyze the size distribution, we have formulized an analytical expression of one-particle PCM and projected it onto a generic distribution function that will represent the size distribution of analyzed nanocrystal. As a model experiment, we have analyzed the size distribution of free-standing silicon nanocrystals (Si-NCs) with multi-modal size distributions. The estimated size distributions are in excellent agreement with TEM and PL results, revealing the reliability of our model.

We demonstrate how to determine the size distribution of semiconductor nanocrystals in a quantitative manner using Raman spectroscopy employing an analytically defined multi-particle phonon confinement model. Results obtained are in excellent agreement with the other size analysis techniques like transmission electron microscopy and photoluminescence spectroscopy.

Caratterizzazione di nanocristalli Dimensione distribuzione utilizzando Spettroscopia Raman con un Multi-particella Phonon confinamento Modello

Analysis of the size distribution of nanocrystals is a critical requirement for the processing and optimization of their size-dependent properties. The ...

Development of an Experimental Setup for the Measurement of the Coefficient of Restitution under Vacuum Conditions

The Discrete Element Method is used for the simulation of particulate systems to describe and analyze them, to predict and afterwards optimize their behavior for single stages of a process or even an entire process. For the simulation with occurring particle-particle and particle-wall contacts, the value of the coefficient of restitution is required. It can be determined experimentally. The coefficient of restitution depends on several parameters like the impact velocity. Especially for fine particles the impact velocity depends on the air pressure and under atmospheric pressure high impact velocities cannot be reached. For this, a new experimental setup for free-fall tests under vacuum conditions is developed. The coefficient of restitution is determined with the impact and rebound velocity which are detected by a high-speed camera. To not hinder the view, the vacuum chamber is made of glass. Also a new release mechanism to drop one single particle under vacuum conditions is constructed. Due to that, all properties of the particle can be characterized beforehand.

The coefficient of restitution is a parameter that describes the loss of kinetic energy during collision. Here, a free-fall setup under vacuum conditions is developed to be able to determine the coefficient of restitution parameter for particles in micrometer range with high impact velocities.

Sviluppo di un apparato sperimentale per la misura del coefficiente di restituzione sotto vuoto Condizioni

The Discrete Element Method is used for the simulation of particulate systems to describe and analyze them, to predict and afterwards optimize their ...

Three-dimensional Particle Tracking Velocimetry for Turbulence Applications: Case of a Jet Flow

3D-PTV is a quantitative flow measurement technique that aims to track the Lagrangian paths of a set of particles in three dimensions using stereoscopic recording of image sequences. The basic components, features, constraints and optimization tips of a 3D-PTV topology consisting of a high-speed camera with a four-view splitter are described and discussed in this article. The technique is applied to the intermediate flow field (5 &#60;x/d &#60;25) of a circular jet at Re &#8776; 7,000. Lagrangian flow features and turbulence quantities in an Eulerian frame are estimated around ten diameters downstream of the jet origin and at various radial distances from the jet core. Lagrangian properties include trajectory, velocity and acceleration of selected particles as well as curvature of the flow path, which are obtained from the Frenet-Serret equation. Estimation of the 3D velocity and turbulence fields around the jet core axis at a cross-plane located at ten diameters downstream of the jet is compared with literature, and the power spectrum of the large-scale streamwise velocity motions is obtained at various radial distances from the jet core.

A three-dimensional particle tracking velocimetry (3D-PTV) system based on a high-speed camera with a four-view splitter is described here. The technique is applied to a jet flow from a circular pipe in the vicinity of ten diameters downstream at Reynolds number Re &#8776; 7,000.

Tridimensionale Velocimetry monitoraggio di particelle per applicazioni Turbulence: caso di flusso Jet

3D-PTV is a quantitative flow measurement technique that aims to track the Lagrangian paths of a set of particles in three dimensions using stereoscopic ...

Simultaneous Measurement of Turbulence and Particle Kinematics Using Flow Imaging Techniques

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine micro-organisms, and/or sediments in the ocean, or fluidized bed reactors and combustion processes in engineered systems. In order to study the effect of turbulence on the kinematics of particles in such flows, simultaneous measurements of both the flow and particle kinematics are required. Non-intrusive, optical flow measurement techniques for measuring turbulence, or for tracking particles, exist but measuring both simultaneously can be challenging due to interference between the techniques. The method presented herein provides a low cost and relatively simple method to make simultaneous measurements of the flow and particle kinematics. A cross section of the flow is measured using a particle image velocimetry (PIV) technique, which provides two components of velocity in the measurement plane. This technique utilizes a pulsed-laser for illumination of the seeded flow field that is imaged by a digital camera. The particle kinematics are simultaneously imaged using a light emitting diode (LED) line light that illuminates a planar cross section of the flow that overlaps with the PIV field-of-view (FOV). The line light is of low enough power that it does not affect the PIV measurements, but powerful enough to illuminate the larger particles of interest imaged using the high-speed camera. High-speed images that contain the laser pulses from the PIV technique are easily filtered by examining the summed intensity level of each high-speed image. By making the frame rate of the high-speed camera incommensurate with that of the PIV camera frame rate, the number of contaminated frames in the high-speed time series can be minimized. The technique is suitable for mean flows that are predominantly two-dimensional, contain particles that are at least 5 times the mean diameter of the PIV seeding tracers, and are low in concentration.

The technique described herein offers a low cost and relatively simple method to simultaneously measure particle kinematics and turbulence in flows with low particle concentrations. The turbulence is measured using particle image velocimetry (PIV), and particle kinematics are calculated from images obtained with a high-speed camera in an overlapping field-of-view.

Misura simultanea di turbolenza e la cinematica delle particelle utilizzando tecniche di formazione immagine di flusso

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine ...

3D Printing - Evaluating Particle Emissions of a 3D Printing Pen

Three-dimensional (3D) printing as a type of additive manufacturing shows continuing increase in application and consumer popularity. The fused filament fabrication (FFF) is an inexpensive method used most frequently by consumers. Studies with 3D printers have shown that during the printing process particulate and volatile substances are released. Handheld 3D printing pens also use the FFF method but the consumer&#8217;s proximity to the 3D pens gives reason to higher exposure compared to a 3D printer. At the same time, 3D printing pens are often marketed for children who could be more sensitive to the printing emission. The aim of this study was to implement a low cost method to analyze the emissions of 3D printing pens. Polylactide (PLA) and acrylonitrile butadiene styrene (ABS) filaments of different colors were tested. In addition, filaments containing metal and carbon nanotubes (CNTs) were analyzed. An 18.5 L chamber and sampling close to the emission source was used to characterize emissions and concentrations near the breathing zone of the user.
Particle emissions and particle size distributions were measured and the potential release of metal particles and CNTs investigated. Particle number concentrations were found in a range of 105 - 106 particles/cm3, which is comparable to previous reports from 3D printers. Transmission electron microscopy (TEM) analysis showed nanoparticles of the different thermoplastic materials as well as of metal particles and CNTs. High contents of metal were observed by inductively coupled plasma mass spectrometry (ICP-MS).
These results call for a cautious use of 3D pens due to potential risk to the consumers.

This protocol presents a method to analyze the emission of 3D printing pens. Particle concentration and particle size distribution of the released particle is measured. Released particles are further analyzed with transmission electron microscopy (TEM). Metal content in filaments is quantified by inductively coupled plasma mass spectrometry (ICP-MS).

Stampa 3D - Valutazione delle emissioni di particelle di una penna da stampa 3D

Three-dimensional (3D) printing as a type of additive manufacturing shows continuing increase in application and consumer popularity. The fused filament ...

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

Most human body proteins' activity and functionality are related to configurational changes of entire subdomains within the protein crystal structure. The crystal structures build the basis for any calculation that describes the structure or dynamics of a protein, most of the time with strong geometrical restrictions. However, these restrictions from the crystal structure are not present in the solution. The structure of the proteins in the solution may differ from the crystal due to rearrangements of loops or subdomains on the pico to nanosecond time scale (i.e., the internal protein dynamics time regime). The present work describes how slow motions on timescales of several tens of nanoseconds can be accessed using neutron scattering. In particular, the dynamical characterization of two major human proteins, an intrinsically disordered protein that lacks a well-defined secondary structure and a classical antibody protein, is addressed by neutron spin echo spectroscopy (NSE) combined with a wide range of laboratory characterization methods. Further insights into protein domain dynamics were achieved using mathematical modeling to describe the experimental neutron data and determine the crossover between combined diffusive and internal protein motions. The extraction of the internal dynamic contribution to the intermediate scattering function obtained from NSE, including the timescale of the various movements, allows further vision into the mechanical properties of single proteins and the softness of proteins in their nearly natural environment in the crowded protein solution.

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

The present protocol describes methods for investigating the structure and dynamics of two model proteins that have an important role in human health. The technique combines bench-top biophysical characterization with neutron spin echo spectroscopy to access the dynamics at time and length scales relevant for protein interdomain motions.

Studio della dinamica delle proteine tramite spettroscopia eco-spin neutronica

Most human body proteins' activity and functionality are related to configurational changes of entire subdomains within the protein crystal structure. The ...

Deep Neural Networks for Image-Based Dietary Assessment

Due to the issues and costs associated with manual dietary assessment approaches, automated solutions are required to ease and speed up the work and increase its quality. Today, automated solutions are able to record a person's dietary intake in a much simpler way, such as by taking an image with a smartphone camera. In this article, we will focus on such image-based approaches to dietary assessment. For the food image recognition problem, deep neural networks have achieved the state of the art in recent years, and we present our work in this field. In particular, we first describe the method for food and beverage image recognition using a deep neural network architecture, called NutriNet. This method, like most research done in the early days of deep learning-based food image recognition, is limited to one output per image, and therefore unsuitable for images with multiple food or beverage items. That is why approaches that perform food image segmentation are considerably more robust, as they are able to identify any number of food or beverage items in the image. We therefore also present two methods for food image segmentation - one is based on fully convolutional networks (FCNs), and the other on deep residual networks (ResNet).

The goal of the work presented in this article is to develop technology for automated recognition of food and beverage items from images taken by mobile devices. The technology comprises of two different approaches - the first one performs food image recognition while the second one performs food image segmentation.

Reti neurali profonde per la valutazione dietetica basata su immagini

Due to the issues and costs associated with manual dietary assessment approaches, automated solutions are required to ease and speed up the work and ...