通过深度学习测量微通道中流动液滴的排布与尺寸分布

在微流体系统中，液滴流经流聚焦结点时会发生复杂变形，这给精确测量带来了挑战，尤其在短 transit 时间内。本研究考察了密集乳液中液滴在不同微通道几何结构中的物理行为，特别关注主通道内不同张开角以及流体组分注入速率的影响。采用基于深度学习技术的精密液滴追踪工具，我们分析流聚焦实验的多帧图像，从最大宽度与高度之比以及形成六方晶序液体的倾向性两方面定量表征液滴变形。我们的发现揭示了存在一个最优张开角，使形状变形最小而类晶体排布最大。流体注入速率的变化也被发现会影响出口通道中乳液的尺寸与填充分数。本文通过机器学习揭示了相对于微通道几何及其他流动相关参数的流体乳液变形、尺寸与结构，对用于细胞传输和组织工程应用的微芯片设计具有潜在意义。