Summary

Hoge doorvoeranalyse van effecten op vloeibare druppeleffecten

Published: March 06, 2020
doi:

Summary

Dit protocol maakt het mogelijk om experimentele high-speed beelden van vloeibare druppeleffecten en een snelle analyse van deze gegevens in batches efficiënt te verzamelen. Om deze processen te stroomlijnen, beschrijft de methode hoe u apparaten kalibreert en instelt, een geschikte gegevensstructuur genereert en een script voor beeldanalyse implementeert.

Abstract

Experimentele studies naar vloeibare druppeleffecten op oppervlakken zijn vaak beperkt in hun werkingssfeer vanwege het grote scala aan mogelijke experimentele parameters zoals materiaaleigenschappen, impactomstandigheden en experimentele configuraties. Compounding dit, drop effecten worden vaak bestudeerd met behulp van data-rijke high-speed fotografie, zodat het moeilijk is om veel experimenten te analyseren in een gedetailleerde en tijdige wijze. Het doel van deze methode is om een efficiënte studie van druppeleffecten met high-speed fotografie mogelijk te maken met behulp van een systematische aanpak. Apparatuur is uitgelijnd en gekalibreerd om video’s te produceren die nauwkeurig kunnen worden verwerkt door een aangepaste afbeeldingsverwerkingscode. Bovendien zorgen de hier beschreven bestandsstructuur en workflow voor efficiëntie en een duidelijke organisatie van gegevensverwerking, die wordt uitgevoerd terwijl de onderzoeker nog in het lab is. De beeldverwerkingsmethode haalt de gedigitaliseerde omtrek van de impactvan druppel in elk frame van de video en verwerkte gegevens worden opgeslagen voor verdere analyse naar behoefte. Het protocol gaat ervan uit dat een druppel verticaal wordt vrijgegeven onder de zwaartekracht, en impact wordt opgenomen door een camera bekijken van side-on met de druppel verlicht met behulp van shadowgraphy. Veel soortgelijke experimenten met beeldanalyse van gebeurtenissen met hoge snelheid zouden kunnen worden aangepakt met een kleine aanpassing aan het gebruikte protocol en de gebruikte apparatuur.

Introduction

De effecten van vloeibare daling op oppervlakken zijn van groot belang, zowel voor het begrijpen van fundamentele verschijnselen1 als voor industriële processen2. Drop effecten zijn onderzocht voor meer dan 100 jaar3,maar veel aspecten zijn nog niet volledig onderzocht. High-speed fotografie wordt bijna universeel gebruikt voor studies van drop impacts4 omdat het rijke, toegankelijke gegevens biedt die het mogelijk maken analytische metingen te maken met een goede tijdresolutie. De resultaten van een valimpact op een vast oppervlak5,6,7 variëren van eenvoudige afzetting tot spatten8. Effecten op superhydrofobe oppervlakken worden vaak bestudeerd omdat ze bijzonder interessante resultaten kunnen opleveren, waaronder drop bouncing9,10,11,12. Het hier beschreven protocol is ontwikkeld om de effecten van waterdruppels op polymeeroppervlakken met microschaalpatronen te bestuderen, en in het bijzonder de invloed van het patroon op de resultaten van de valeffecten13,14.

De uitkomst van een drop impact experiment kan worden beïnvloed door een groot aantal mogelijke variabelen. De grootte en snelheid van de druppel kunnen variëren, samen met vloeibare eigenschappen zoals dichtheid, oppervlaktespanning en viscositeit. De daling kan ofwel Newtoniaanse15 of niet-Newtoniaanse16. Een grote verscheidenheid aan impactoppervlakken is bestudeerd, waaronder vloeistof7,17, vaste18en elastische19 oppervlakken. Verschillende mogelijke experimentele configuraties werden eerder beschreven door Rein et al.17. De druppel kan verschillende vormen aannemen. Het kan oscilleren, draaien of impact onder een hoek naar het oppervlak. De oppervlaktetextuur en omgevingsfactoren zoals temperatuur kunnen variëren. Al deze parameters maken het veld van druppeleffecten zeer breed.

Door dit grote scala aan variabelen zijn studies van dynamische vloeibare bevochtigingsverschijnselen vaak beperkt tot focus op relatief specifieke of smalle onderwerpen. Veel van dergelijke onderzoeken maken gebruik van een matig aantal experimenten (bijvoorbeeld 50−200 gegevenspunten) verkregen uit handmatig verwerkte high-speed video’s10,20,21,22. De breedte van dergelijke studies wordt beperkt door de hoeveelheid gegevens die de onderzoeker in een redelijke hoeveelheid tijd kan verkrijgen. Handmatige verwerking van video’s vereist dat de gebruiker repetitieve taken uitvoert, zoals het meten van de diameter van de beïnvloedende druppels, vaak bereikt met het gebruik van beeldanalysesoftware (Fiji23 en Tracker24 zijn populaire keuzes). De meest gebruikte meting voor het karakteriseren van druppeleffecten is de diameter van een uitspreidende daling25,26,27,28.

Door verbeteringen in de beeldverwerking beginnen automatische computergestuurde methoden de efficiëntie van het verzamelen van gegevens te verbeteren. Bijvoorbeeld, beeldanalyse algoritmen voor automatische meting van contacthoek29 en oppervlaktespanning met behulp van de hanger drop methode30 zijn nu beschikbaar. Veel grotere efficiëntie verbeteringen kunnen worden gemaakt voor high-speed fotografie van drop impacts, die films bestaande uit vele individuele beelden voor analyse produceert, en inderdaad een aantal recente studies zijn begonnen met geautomatiseerde analyse te gebruiken15,18, hoewel de experimentele workflow is niet duidelijk veranderd. Andere verbeteringen in het experimentele ontwerp voor drop impact experimenten zijn ontstaan uit de vooruitgang in commercieel beschikbare LED-lichtbronnen, die kunnen worden gekoppeld aan high-speed camera’s via de shadowgraph techniek31,32,33,34.

Dit artikel beschrijft een gestandaardiseerde methode voor het vastleggen en analyseren van drop impact films. Het primaire doel is een efficiënte verzameling van grote gegevenssets mogelijk te maken, wat over het algemeen nuttig zou moeten zijn voor de grote verscheidenheid aan hierboven beschreven drop impact studies. Met behulp van deze methode kan de tijdopgeloste, gedigitaliseerde omtrek van een impactdrop worden verkregen voor ~100-experimenten per dag. De analyse berekent automatisch de druppelimpactparameters (grootte, snelheid, Weber en Reynolds-nummers) en de maximale spreidingsdiameter. Het protocol is rechtstreeks van toepassing op basisparameters (inclusief vloeistof,grootte en botssnelheid), substraatmateriaal of omgevingsomstandigheden. Studies die een groot aantal experimentele parameters scannen, kunnen in een relatief kort tijdsbestek worden uitgevoerd. De methode moedigt ook hoge resolutie studies, die een klein scala van variabelen, met meerdere herhaalde experimenten.

De voordelen van deze methode worden geleverd door het gestandaardiseerde experiment en een duidelijke gegevensstructuur en workflow. De experimentele installatie produceert afbeeldingen met consistente eigenschappen (ruimtelijk en contrast) die direct na het experiment kunnen worden doorgegeven aan een aangepaste beeldanalysecode (opgenomen als een aanvullende coderingsbestand dat op MATLAB wordt uitgevoerd) voor snelle verwerking van opgenomen video’s. Integratie van gegevensverwerking en -acquisitie is een belangrijke reden voor de verbeterde algehele snelheid van het verzamelen van gegevens. Na een sessie van gegevensverwerving is elke video verwerkt en worden alle relevante ruwe gegevens opgeslagen voor verdere analyse zonder dat de video opnieuw hoeft te worden verwerkt. Bovendien kan de gebruiker de kwaliteit van elk experiment direct na de uitvoer visueel inspecteren en het experiment indien nodig herhalen. Een eerste kalibratiestap zorgt ervoor dat de experimentele setup met goede precisie tussen verschillende labsessies kan worden gereproduceerd.

Er wordt aangenomen dat om deze methode te implementeren de gebruiker toegang heeft tot een high-speed camera zo ingericht dat het beeld van het oppervlak vanuit een horizontaal (side-on) oogpunt. Een schematische weergave van deze regeling is opgenomen in figuur 1, inclusief de definitie van Cartesiaanse assen. Het systeem moet de mogelijkheid hebben om zowel de camera als het monster nauwkeurig in drie dimensies (X, Y en Z) te positioneren. Een shadowgraph methode wordt geïmplementeerd voor het verlichten van de druppel en wordt geplaatst langs het optische pad van de camera. Het systeem moet gebruik maken van een hoogwaardige gelijkstroom (DC) LED-verlichtingssysteem (inclusief een collimating condensor lens) dat kan worden verplaatst in X en Z richtingen om het optische pad uit te lijnen met de camera. Er wordt ook aangenomen dat de gebruiker toegang heeft tot een spuitpomp die hij of zij kan programmeren om individuele druppels gewenst volume te produceren wanneer deze zijn aangesloten op een bepaalde naald35. De druppel valt onder de zwaartekracht, zodat de botssnelheid wordt gecontroleerd door de positie van de naald boven het oppervlak. Hoewel deze opstelling vrij generiek is, vermeldt De Lijst van Materialen specifieke materiaal dat wordt gebruikt om de representatieve resultaten te verkrijgen, en merkt sommige potentiële beperkingen op die door keus van materiaal worden opgelegd.

Figure 1
Figuur 1: Schematische weergave van de minimale experimentele opstelling. Een high-speed camera is gepositioneerd om beelddruppels die verticaal op een monster van side-on. Een LED-lichtbron is uitgelijnd met de zichtlijn van de camera voor shadowgraphy. Een naald wordt gebruikt voor individuele druppelproductie, en Cartesiaanse assen worden gedefinieerd. Klik hier om een grotere versie van dit cijfer te bekijken.

De methodebeschrijving is gericht op het meten van de randen van vloeibare druppels als ze vallen en impact. Afbeeldingen worden verkregen vanuit het veelgebruikte side-on gezichtspunt. Het is mogelijk om het verspreiden van druppels van zowel side-on als bottom-up weergaven te onderzoeken met behulp van twee hoge snelheidscamera’s13,14, maar de bottom-up weergave is niet mogelijk voor ondoorzichtige materialen, en een top-down view produceert uitlijning complicaties. De basisworkflow kan worden gebruikt om het onderzoek te verbeteren voor kleine (2−3 mm diameter) objecten die van invloed zijn op oppervlakken, en het kan worden gebruikt voor grotere of kleinere objecten met verdere kleine veranderingen. Verbeteringen en alternatieven voor de experimentele opzet en methode worden verder in de discussiesectie overwogen.

Protocol

1. Het instellen van de hogesnelheidscamera Stel het vaste gezichtsveld (FOV) voor de camera in en bereken de conversiefactor van pixel tot mm. Plaats een uitlijningsmarkering (bijvoorbeeld een markering met een zijlengte van 4 mm met de meegeleverde beeldanalysecode) op de middelste positie van de monsterfase, zodat deze naar de camera gericht is. Pas de vergroting van de camera aan zodat de vierkante markering in de FOV past. Zorg ervoor dat de markering scherp is en leg een afbeelding vast.OPMERKING: De afbeeldingsanalysecode vereist dat een afbeeldingsdruppel meer dan 1% van de totale FOV dekt, anders wordt deze geclassificeerd als ruis. Ook mag de druppel niet meer dan 40% van de FOV in beslag nemen, anders wordt deze geïdentificeerd als een mislukte gebeurtenis voor beeldverwerking. Vergrendel de vergroting van de lens en zorg ervoor dat deze ongewijzigd blijft tijdens een partij experimenten. Laad de grafische gebruikersinterface (GUI) voor de droplet impact analyse software door te klikken op het pictogram binnen MATLAB. Voer de afbeeldingsanalysecode uit. Klik op de GUI op de knop camera kalibreren en selecteer de afbeelding die in stap 1.1.1 is verkregen. Voer de grootte van het kalibratievierkant in mm in en klik op OK. Verplaats de rechthoek die op het scherm wordt weergegeven totdat het kalibratievierkant het enige object erin is. Klik op OK en de software berekent automatisch de conversiefactor. Als de automatische kalibratie mislukt, volgt u de softwarehandleiding om handmatige kalibratie uit te voeren. Lijn het experimentele systeem uit.Bereid de vloeistof wordt gebruikt voor het verstrekken van individuele druppels. Plaats de naaldbevestiging op het ooghoogte van de gebruiker om het laadgemak mogelijk te maken. Handmatig zuiveren van de slang om eventuele vloeistof te verwijderen door het duwen van lucht door met een spuit. Zorg ervoor dat de slang niet gedraaid is en dat de naald veilig en schoon is. Bevestig de naald en slang zodat de naald verticaal is.LET OP: Indien nodig, reinig de stalen naald met ethanol in een ultrasoon bad. Vul de spuit met de vloeistof die wordt onderzocht (bijvoorbeeld water) en bevestig deze aan de computergestuurde spuitpomp. Zuiver de naald met behulp van de spuitpomp (klik op en houd de dispense-knop ingedrukt) totdat er geen bellen in de vloeistof aanwezig zijn. Stel de spuitpomp zo in dat het volume dat nodig is voor het vrijkomen van een individuele druppel afgeeft.OPMERKING: Voor de representatieve resultaten bedroeg de gemiddelde druppeldiameter 2,6 mm met een doseersnelheid van 0,5 mL/min en een deel van 11 μL. De pompsnelheid moet traag genoeg zijn, zodat druppels vormen en loslaten onder de zwaartekracht, en dit kan worden verfijnd door middel van trial and error. Het volume van de druppel kan worden benaderd als14waar D is de naald diameter, γLG is de vloeistof-gas oppervlak spanning, en ρ is de vloeistofdichtheid. Lijn het monster uit (bijvoorbeeld platte polydimethylsiloxane [PDMS]) door het onder de naald te plaatsen en een druppel uit te delen met behulp van de spuitpomp. Controleer of de druppel landt en zich verspreidt over het gebied van de steekproef dat van belang is, en zo niet de steekproefpositie indien nodig wijzigen.OPMERKING: Als de uitlijning van de druppel moeilijk blijkt, controleer dan of de naald verticaal correct in de naaldhouder is gemonteerd en niet gebogen is. Het monster is nu uitgelijnd ten opzichte van de X- en Y-assen en mag niet worden verplaatst tijdens experimenten. De camera uitlijnen en scherpstellen. Giet een druppel op het monster. Pas de verticale positie (Z) van de monsterhouder aan tot het oppervlak vlak is met het midden van de FOV van de camera. Pas de horizontale positie (X) van de camera aan, zodat de druppel op het monster in het midden van de FOV is uitgelijnd. Pas de verticale (Z) en horizontale (X) posities van de LED aan om de positie van de camera aan te passen, zodat het midden van het licht in het midden van de FOV verschijnt. Pas de afstand (Y) van de camera van de druppel aan, zodat de druppel in beeld komt.OPMERKING: Het systeem is nu uitgelijnd en gekalibreerd. Als de positionering van alle apparatuur ongewijzigd is, kan het protocol worden onderbroken en opnieuw worden gestart zonder opnieuw uit te lijnen. De uitlijning van het monster in de verticale richting (Z) moet worden herhaald voor monsters van verschillende dikte. Stel de opnamevoorwaarden voor de camera in. Stel de framesnelheid van de camera in op een optimale waarde voor het object dat wordt opgenomen.LET OP: De optimale framerate van de camera(fps)kan worden voorspeld met behulp van31waarbij N de bemonsteringssnelheid is (het aantal beelden dat wordt vastgelegd als het object de lengteschaal bedekt, normaal gesproken 10), is V de snelheid van de druppel en j de beeldlengteschaal (bijvoorbeeld de FOV). Stel de belichtingstijd van de camera in op een zo klein mogelijke waarde met behoud van voldoende verlichting. Pas in dit stadium het lensdiafragma aan op de kleinste beschikbare instelling met behoud van voldoende verlichting.OPMERKING: Een schatting voor de minimale blootstellingstijd (te) wordt gegeven door31waarbij k de lengteschaal is (bijvoorbeeld de grootte van een pixel), is PMAG de primaire vergroting en is V de snelheid van de druppel. Stel de trekker in voor de camera. Gebruik een eindmodustrigger zodat de camera de opname buffert en vervolgens stopt op de trigger (bijvoorbeeld een muisklik van een gebruiker).OPMERKING: Een automatisch triggersysteem kan worden gebruikt om dit proces te automatiseren. 2. Experimenten uitvoeren Bereid het computerbestandssysteem voor op een partij experimenten. Maak een map om films op te slaan voor de huidige reeks experimenten. Stel deze map in als de opslaglocatie voor de camerasoftware volgens de handleiding van de camerafabrikant. Controleer of de bestandsindeling voor vastgelegde afbeeldingen .tif is. Klik op de knop Pad instellen in de GUI voor beeldanalyse en kies dezelfde map als in stap 2.1.1, waarin de software wordt aangeeft deze map te controleren op nieuwe video’s. Maak de mapstructuur voor een batch experimenten. Klik op de knop Mappen maken op de GUI voor beeldanalyse en voer vier waarden in zoals gevraagd: 1) de minimale afgiftehoogte van de druppel, 2) de maximale afgiftehoogte, 3) de hoogtestap tussen elk experiment en 4) het aantal herhaalde experimenten op elke hoogte.OPMERKING: Impact snelheid kan worden benaderd als V = (2gh)1/2, waar g is de versnelling als gevolg van de zwaartekracht en h is de val afgifte hoogte. Klik op OK om het script Mappen maken uit te voeren.OPMERKING: Er is nu een reeks mappen gemaakt in de map voor dit experiment. Deze mappen heten “height_xx” waarbij xx de hoogte is van de dropletrelease. In elk van deze mappen zijn lege mappen klaar om gegevens op te slaan voor elk herhaald experiment. Herhaal punt 2.1 voor elk nieuw te bestuderen oppervlak of vloeistof. Bereid het oppervlak voor zoals vereist voor het experiment. Voor impact op een droog, vast oppervlak, reinig het oppervlak met een geschikt standaardprotocol en laat het volledig drogen. Neem een gebeurtenis van de druppelimpact op. Plaats het monster op de monsterfase. Draai indien nodig het oppervlak om het uit te lijnen met de camera. Verplaats de naald naar de gewenste druppelafgiftehoogte. Zorg ervoor dat het beeld van de camera onbelemmerd is en leg een afbeelding vast (later tijdens de beeldverwerking) met behulp van de camerasoftware. Begin met de video-opname, zodat de camera is het opnemen en bufferen (dat wil zeggen, het vullen van het interne geheugen van de camera). Giet een druppel op het monster met behulp van de spuitpomp (stap 1.2.1.4). Activeer de opname om te stoppen zodra de impactgebeurtenis is voltooid. Verwijder het oppervlak van de monsterhouder en droog het, naar gelang van het geval,. Bereid het videobestand voor op verdere analyse. Snijd de video bij. Met behulp van geschikte software (bijvoorbeeld de high-speed camera software), scan door de video om het eerste frame waarin de druppel is volledig binnen de FOV te vinden. Snijd het begin van de video bij aan dit frame. Ga verder met het aantal frames dat nodig is om de verschijnselen van belang vast te leggen tijdens het impactexperiment (bijvoorbeeld 250 frames zijn meestal voldoende voor effecten die bij 10.000 fps zijn vastgelegd). Snijd het einde van de video bij aan dit frame. Sla de video op als een .avi-bestand en stel het pad opslaan in op de bijbehorende map voor de huidige experimentele batch, releasehoogte en herhaald nummer. Klik in de GUI voor beeldanalyse op de knop Bestanden sorteren. Controleer visueel dat de achtergrondafbeelding die in stap 2.3.2 is gemaakt, nu op het scherm wordt weergegeven. Hiermee wordt het laatst opgeslagen .avi-bestand en .tif-bestand gevonden en verplaatst ze naar dezelfde map, ervan uitgaande dat ze tegelijkertijd zijn genomen. Klik op de knop Traceren uitvoeren om de verwerking van afbeeldingen te starten. De video wordt weergegeven met de resulterende beeldverwerking bedekt. Controleer kwalitatief of de beeldverwerking goed functioneert door de video te bekijken.OPMERKING: Na voltooiing van de beeldverwerking geeft de afbeeldingsverwerkingscode een afbeelding van de druppel weer op maximale spreiding. Als u de camera niet goed kalibreert, kan dit leiden tot een onjuiste beeldverwerking. Herhaal indien nodig de kalibratie totdat de beeldverwerking succesvol is. Herhaal de secties 2.3 en 2.4, waarbij de hoogte van de naald wordt aangepast als dat nodig is om alle experimenten in deze batch uit te voeren.OPMERKING: Elke experimentele map bevat nu een reeks .mat-bestanden. Deze bestanden bevatten de gegevens die door de beeldverwerkingssoftware worden geëxtraheerd en opgeslagen voor toekomstige analyses, inclusief de valomtrek, het gebied, het selectiekader en de omtrek voor elk frame. 3. Analyse van ruwe gegevens Klik in de GUI voor beeldanalyse op de knop Procesgegevens om te beginnen met de berekening van de belangrijkste variabelen uit de ruwe verwerkte gegevens. Als dit wordt uitgevoerd na de experimentele sessie, wordt de gebruiker gevraagd om de map te selecteren met de batch experimenten die moet worden verwerkt. Voer de vier waarden in zoals gevraagd: 1) framesnelheid van opname (fps), 2) vloeistofdichtheid (kg/m3), 3) vloeistofoppervlaktespanning (N/m) en 4) vloeistofviscositeit (Pa·s).OPMERKING: De software wordt standaard ingesteld op een framerate van 9.300 fps en de vloeistofeigenschappen van water in omgevingscondities. De ingevoerde waarden worden gebruikt om de Weber- en Reynolds-nummers te berekenen. Sla de gegevens op in het bestand videomappen.mat en exporteer als csv-bestand.OPMERKING: De code laadt het bestand prop_data.mat voor één experiment, berekent de positie van het druppelcentrum, vindt het botsframe (gedefinieerd als het laatste frame voordat het druppelcentrum vertraagt) en het frame waarin de horizontale spread van de druppel wordt gemaximaliseerd. De opgeslagen outputgegevens zijn de botssnelheid (met behulp van een1e orde polynomial fit aan de verticale positie van het druppelcentrum als functie van de tijd), de gelijkwaardige diameter van de druppel (berekend door ervan uit te gaan rotatiesymmetrie over de Z-as om het druppelvolume te vinden, en vervolgens de diameter van een bol met dat volume36),de druppeldiameter bij maximale spreiding en de impact Weber en Reynolds nummers te vinden.

Representative Results

De conversie van afstanden gemeten van afbeeldingen in pixels naar millimeters wordt bereikt met behulp van een bekend referentievierkant. Dit vierkant moet onbelemmerd zijn in de FOV van de camera en in focus(figuur 2A). Onjuiste focus van het referentievierkant(figuur 2B)zal een systematische fout in de berekende variabelen veroorzaken, bijvoorbeeld snelheid. Om de fout bij de berekening van de conversiefactor te verminderen, moet het referentievierkant zoveel mogelijk van de FOV dekken. De zijlengte van het vierkant moet bekend zijn om een zo hoog mogelijk precisie, gezien de resolutie limiet van de camera. De druppelidentificatiesoftware is gebaseerd op het oppervlak van het monster dat horizontaal aan de camera wordt gepresenteerd, zoals weergegeven in figuur 2C. Oppervlakken die zijn gebogen of slecht opgelost(figuur 2D)zullen fouten in beeldverwerking veroorzaken. De software kan worden gebruikt om druppels te analyseren die van invloed zijn op vlakke oppervlakken die niet horizontaal zijn, zolang de oppervlakterand een scherp contrast met de achtergrond produceert. Om ervoor te zorgen dat de gehele druppelspread wordt bijgehouden door de software moet de druppel in het midden van het monster landen (figuur 2E). Als het systeem verkeerd is uitgelijnd, kan de druppel van de middelste positie afdrijven en is het onscherp(figuur 2F). Als de druppel niet scherp is, is de berekende grootte onjuist. Dit effect wordt vaak veroorzaakt door een slechte uitlijning van het systeem dat wordt gebruikt voor het verplaatsen van de naald verticaal weg van het oppervlak, wat een drift in de impactlocatie zal produceren als functie van hoogte. Er wordt gesuggereerd dat de gebruiker een optisch breadboardsysteem (of iets dergelijks) implementeert om parallelle en loodrechte uitlijning te garanderen. Om ervoor te zorgen dat de afgebeelde randen van de beïnvloedende druppel scherp lijken, wordt voorgesteld dat de kortst mogelijke belichtingstijd met de beschikbare lichtbron moet worden gebruikt (figuur 2G). Onjuiste uitlijning van het verlichtingspad ten opzichte van de camera leidt vaak tot aanpassing van andere instellingen, zoals het cameradiafragma en de belichtingstijd. Dit produceert een fuzzy rand aan de reizende druppel (Figuur 2H) Figuur 2: Veelvoorkomende problemen met onjuiste kalibratie van het systeem. (A) Kalibratie vierkant correct uitgelijnd en gericht. (B) Kalibratie vierkant onscherp, het produceren van een onjuiste kalibratie factor. (C) Het monsteroppervlak is horizontaal en vormt een hoog contrast tussen het monsteroppervlak en de achtergrond. (D) Monster is onder een hoek van de camera, het produceren van een reflecterend oppervlak. (E) Druppel landt in het midden van het monster in het vlak van focus. (F) Droplet landt uit het midden en is niet in focus als gevolg van de grote diafragma gebruikt. (G) Een druppel wordt afgebeeld met scherpe randen als gevolg van een korte belichtingstijd (10 μs). (H) Suboptimale verlichting en een langere belichtingstijd (99 μs) zorgen voor bewegingsonscherpte. Klik hier om een grotere versie van dit cijfer te bekijken. Onjuiste verlichting en uitlijning van het monster kan verblinding en schaduwen in de opgenomen beelden produceren. Deze produceren vaak artefacten in de beeldverwerkingsfasen, waardoor het aantal verzamelde gegevenspunten van goede kwaliteit kan worden verminderd. Schittering is gebruikelijk voor transparante vloeistoffen als het verlichtingspad niet horizontaal is uitgelijnd. De software moet in staat zijn om de volledige omtrek van de druppel in de videobeelden te traceren(figuur 3A). Als het spoor niet is voltooid, zijn de gemeten waarden zoals de lengte van de strooidruppel onjuist (figuur 3B). Figuur 3: Lengte van een beïnvloedende druppel als functie van het videoframenummer (botsframe = 0). Elk blauw gegevenspunt komt overeen met de beginbeelden. (A) De juiste verlichting stelt de software in staat om de volledige omtrek van de druppel (gele lijn) te traceren. Contactpunten (groene kruizen) worden correct geïdentificeerd en de geregistreerde lengte van de verspreidingsdruppel is een vloeiende functie van het framenummer. (B) Slechte verlichting produceert schittering op de vloeistof en de linkerrand van de druppel wordt niet correct getraceerd. De geregistreerde lengte van de verspreidingdruppel vertoont onnauwkeurigheden in de gegevens. Klik hier om een grotere versie van dit cijfer te bekijken. Aanvullend coderingsbestand. Klik hier om dit bestand te downloaden.

Discussion

Deze methode is afhankelijk van de controle van de positie en uitlijning van verschillende delen van het systeem. Een minimum vereiste om deze methode te gebruiken is de mogelijkheid om het monster uit te lijnen, camera en verlichting LED. Onjuiste uitlijning van de lichtbron op de camerasensor is een veel voorkomend probleem. Als het lichtpad onder een hoek de camera binnenkomt, worden ongewenste artefacten geproduceerd en worden beeldverwerking belemmerd. De gebruiker moet streven naar een bijna perfecte horizontale verlichting pad tussen de LED en de camera sensor te bereiken. Nauwkeurige positioneringsbesturingselementen (bijvoorbeeld micrometerfasen) zijn nuttig voor dit aspect van de methode.

De keuze van de lens is afhankelijk van de FOV die nodig is voor het experiment. Hoewel algemeen beschikbare variabele zoomlenzen het mogelijk maken om het systeem on the fly aan te passen, hebben ze vaak last van andere problemen. Als de gebruiker variabele zoomlenzen gebruikt, moet hij ervoor zorgen dat de totale vergroting niet verandert tijdens een partij experimenten (zodra het systeem is gekalibreerd, protocolsectie 1). Dit probleem kan worden vermeden met behulp van vaste vergroting lenzen. Met de vergroting vast, kan de positie van het brandpuntsvlak van elk type lens worden gewijzigd door de camera ten opzichte van het monster te verplaatsen.

Bij het uitlijnen van het systeem is het raadzaam om een blanco monster van dezelfde dikte te gebruiken als de te onderzoeken monsters. Dit voorkomt dat de monsters van belang worden beschadigd of nat voorafgaand aan experimenten. Als de monsterdikte tijdens een partij experimenten verandert, moet het systeem opnieuw worden uitgelijnd in de Z-richting.

Hoewel niet nodig, kan de toevoeging van een computergestuurde naaldpositioneringssysteem de snelheid en resolutie van de methode aanzienlijk verhogen. Algemeen beschikbare stepper motor rail systemen kunnen worden gebruikt die het mogelijk maken voor de positionering van de naald met micrometer nauwkeurigheid. Digitale controle van de naald stelt de gebruiker ook in staat om de hoogte ten opzichte van het oppervlak met grotere precisie nul. Deze extra stap zorgt ervoor dat de experimentele installatie nauwkeurig kan worden hersteld aan het begin van een nieuwe labsessie.

Het wordt aangeraden dat de gebruiker leert om de besturingssoftware te gebruiken voor de high-speed camera. De meeste moderne systemen kunnen een beeldtrigger gebruiken. Deze methode maakt gebruik van de interne high-speed elektronica van de camera om een gebied van de FOV te controleren op veranderingen. Indien zorgvuldig gekalibreerd, kan dit worden gebruikt om de camera automatisch te activeren als de druppel het oppervlak beïnvloedt. Deze methode vermindert de tijd die wordt besteed aan het vinden van de juiste frames van de video om bij te snijden nadat een video is opgenomen.

Deze methode kan worden uitgebreid om meer dan één camera te gebruiken voor analyse van directioneel afhankelijke verschijnselen. Als u meerdere camera’s gebruikt, wordt geadviseerd dat de gebruiker hardware activeert en synchroniseert. De meeste high-speed camera systemen maken het mogelijk synchronisatie van meerdere camera’s op te nemen op dezelfde framerate. Met behulp van een gedeelde hardwaretrigger (bijvoorbeeld transistor-transistorlogica [TTL] puls) kan de gebruiker gelijktijdige weergaven van hetzelfde experiment opnemen. Deze methode kan verder worden aangepast om dezelfde gebeurtenis op te nemen bij twee verschillende vergrotingen.

Dit protocol is bedoeld om het snel verzamelen en verwerken van snelle videogegevens voor druppeltjes die van invloed zijn op oppervlakken mogelijk te maken. Zoals aangetoond, is het veelzijdig over een reeks van impact voorwaarden. Met relatief kleine wijzigingen in de analysecode kan deze worden uitgebreid om verdere gegevens te verstrekken (bijvoorbeeld tijdsafhankelijkheid en spatprofielen) of om verschillende impactgeometrieën te bestuderen. Verdere verbeteringen kunnen bestaan uit het automatisch bijsnijden van video’s om de belangrijkste frames van belang op te nemen. Deze stap, naast de automatisering van de naaldhoogte, zou het mogelijk maken batchvideo’s volledig automatisch te verzamelen, waarbij de gebruiker alleen de monster tussen de effecten moet wijzigen.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit werk werd ondersteund door het Marsden Fonds, beheerd door de Royal Society of New Zealand.

Materials

24 gauge blunt tip needle Sigma Aldrich CAD7930
4 x 4 mm alignment square (chrome on glass) Made in-house using lithography.
5 ml syringe ~ ~ Should be compatible with syringe pump. Leur lock connectors join the syringe to the needle.
Aspheric condenser lens Thor Labs ACL5040U Determines beam width, which should cover the field of view.
Cat 5e ethernet cable ~ ~ A fast data connection between the high-speed camera and PC, suitable for Photron cameras.
Droplet impact analysis software ~ ~ Provided as Supplementary Coding File. Outline data are stored in .mat files. Calculations are output as .csv files.
Front surface high-power LED Luminus CBT-40-G-C21-JE201 LED Separate power supply should be DC to avoid flickering.
High-speed camera Photron Photron SA5 Typically operated at ~10,000 fps for drop impacts.
High-speed camera software Photron Photron Fastcam Viewer Protocol assumes camera has an end trigger; that movie files can be saved in .avi format, and screenshots in .tif format, to a designated folder; and that movies can be cropped.
Linear translation stages Thor Labs DTS25/M Used to position the LED, sample and camera.
Macro F-mount camera lens Nikon Nikkor 105mm f/2.8 Lens Choice of lens determines field of view.
PC running Matlab 2018b Matlab ~ PC processing power and RAM can effect protocol speed and hence efficiency.
Polydimethylsiloxane (PDMS) Dow SYLGARD™ 184 Silicone Elastomer Substrates made using a 10:1 (monomer:cross-linker) ratio.
PTFE tubing ~ ~
Syringe pump Pump Systems Inc NE-1000 Protocol assumes this can be set to dispense a specific volume.

References

  1. Josserand, C., Thoroddsen, S. T. Drop impact on a solid surface. Annual Review of Fluid Mechanics. 48, 365-391 (2016).
  2. Van Dam, D. B., Le Clerc, C. Experimental study of the impact of an ink-jet printed droplet on a solid substrate. Physics of Fluids. 16, 3403-3414 (2004).
  3. Worthington, A. M. . A study of splashes. , (1908).
  4. Thoroddsen, S., Etoh, T., Takehara, K. High-speed imaging of drops and bubbles. Annual Review of Fluid Mechanics. 40, 257-285 (2008).
  5. Chandra, S., Avedisian, C. On the collision of a droplet with a solid surface. Proceedings of the Royal Society of London. Series A: Mathematical and Physical Sciences. 32 (1884), 13-41 (1991).
  6. Marengo, M., Antonini, C., Roisman, I. V., Tropea, C. Drop collisions with simple and complex surfaces. Current Opinion in Colloid and Interface Science. 16, 292-302 (2011).
  7. Yarin, A. L. Drop impact dynamics: Splashing, spreading, receding, bouncing. Annual Review of Fluid Mechanics. 38 (1), 159-192 (2006).
  8. Thoroddsen, S. T. The making of a splash. Journal of Fluid Mechanics. 690, 1-4 (2012).
  9. Bartolo, D., et al. Bouncing or sticky droplets: Impalement transitions on superhydrophobic micropatterned surfaces. Europhysics Letters. 74 (2), 299-305 (2006).
  10. Richard, D., Quéré, D. Bouncing water drops. Europhysics Letters. 50 (6), 769-775 (2000).
  11. Bird, J. C., Dhiman, R., Kwon, H. M., Varanasi, K. K. Reducing the contact time of a bouncing drop. Nature. 503, 385-388 (2013).
  12. Khojasteh, D., Kazerooni, M., Salarian, S., Kamali, R. Droplet impact on superhydrophobic surfaces: A review of recent developments. Journal of Industrial and Engineering Chemistry. 42, 1-14 (2016).
  13. Robson, S., Willmott, G. R. Asymmetries in the spread of drops impacting on hydrophobic micropillar arrays. Soft Matter. 12 (21), 4853-4865 (2016).
  14. Broom, M. . Imaging and Analysis of Water Drop Impacts on Microstructure Designs. , (2019).
  15. Lee, J. B., Derome, D., Guyer, R., Carmeliet, J. Modeling the maximum spreading of liquid droplets impacting wetting and nonwetting surfaces. Langmuir. 32 (5), 1299-1308 (2016).
  16. Laan, N., de Bruin, K. G., Bartolo, D., Josserand, C., Bonn, D. Maximum diameter of impacting liquid droplets. Physical Review Applied. 2 (4), 044018 (2014).
  17. Rein, M. Phenomena of liquid drop impact on solid and liquid surfaces. Fluid Dynamics Research. 12 (2), 61-93 (1993).
  18. Wang, M. J., Lin, F. H., Hung, Y. L., Lin, S. Y. Dynamic behaviors of droplet impact and spreading: Water on five different substrates. Langmuir. 25 (12), 6772-6780 (2009).
  19. Weisensee, P. B., Tian, J., Miljkovic, N., King, W. P. Water droplet impact on elastic superhydrophobic surfaces. Scientific Reports. 6, 30328 (2016).
  20. Xu, L., Zhang, W. W., Nagel, S. R. Drop splashing on a dry smooth surface. Physical Review Letters. 94 (18), 184505 (2005).
  21. Clanet, C., Béguin, C., Richard, D., Quéré, D. Maximal deformation of an impacting drop. Journal of Fluid Mechanics. 517, 199-208 (2004).
  22. Collings, E., Markworth, A., McCoy, J., Saunders, J. Splat-quench solidification of freely falling liquid-metal drops by impact on a planar substrate. Journal of Materials Science. 25 (8), 3677-3682 (1990).
  23. Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  24. . Tracker Video Analysis and Modeling Tool for Physics Education (software) Available from: https://physlets.org/tracker (2019)
  25. Bennett, T., Poulikakos, D. Splat-quench solidification: Estimating the maximum spreading of a droplet impacting a solid surface. Journal of Materials Science. 28 (4), 963-970 (1993).
  26. Rioboo, R., Marengo, M., Tropea, C. Time evolution of liquid drop impact onto solid, dry surfaces. Experiments in Fluids. 33 (1), 112-124 (2002).
  27. Ukiwe, C., Kwok, D. Y. On the maximum spreading diameter of impacting droplets on well-prepared solid surfaces. Langmuir. 21 (2), 666-673 (2005).
  28. Wildeman, S., Visser, C. W., Sun, C., Lohse, D. On the spreading of impacting drops. Journal of Fluid Mechanics. 805, 636-655 (2016).
  29. Biolè, D., Bertola, V. A goniometric mask to measure contact angles from digital images of liquid drops. Colloids and Surfaces A: Physicochemical and Engineering Aspects. 467, 149-156 (2015).
  30. Daerr, A., Mogne, A. Pendent_Drop: An ImageJ plugin to measure the surface tension from an image of a pendent drop. Journal of Open Research Software. 4 (1), 3 (2016).
  31. Versluis, M. High-speed imaging in fluids. Experiments in Fluids. 54 (2), 1458 (2013).
  32. Rydblom, S., Thӧrnberg, B. Liquid water content and droplet sizing shadowgraph measuring system for wind turbine icing detection. IEEE Sensors Journal. 16 (8), 2714-2725 (2015).
  33. Castrejón-García, R., Castrejón-Pita, J., Martin, G., Hutchings, I. The shadowgraph imaging technique and its modern application to fluid jets and drops. Revista Mexicana de Física. 57 (3), 266-275 (2011).
  34. Castrejón-Pita, J. R., Castrejón-García, R., Hutchings, I. M., Klapp, J., Medina, A., Cros, A., Vargas, C. High speed shadowgraphy for the study of liquid drops. Fluid Dynamics in Physics, Engineering and Environmental Applications. , 121-137 (2013).
  35. Tripp, G. K., Good, K. L., Motta, M. J., Kass, P. H., Murphy, C. J. The effect of needle gauge, needle type, and needle orientation on the volume of a drop. Veterinary ophthalmology. 19 (1), 38-42 (2016).
  36. Hugli, H., Gonzalez, J. J. Drop volume measurements by vision. Machine Vision Applications in Industrial Inspection VIII. 3966, 60-67 (2000).

Play Video

Cite This Article
Broom, M. A., Willmott, G. R. High Throughput Analysis of Liquid Droplet Impacts. J. Vis. Exp. (157), e60778, doi:10.3791/60778 (2020).

View Video