High Throughput Analysis of Liquid Droplet Impacts

Matheu A.J. Broom; Geoff  R. Willmott

doi:10.3791/60778

JoVE Journal > Engineering

Please note that all translations are automatically generated. Click here for the English version.

Engineering

Analisi ad alta velocità effettiva degli impatti delle gocciole liquide

Published: March 06, 2020

doi:

10.3791/60778

Matheu A.J. Broom¹, Geoff R. Willmott^1,2

¹The Department of Physics and The MacDiarmid Institute for Advanced Materials and Nanotechnology,The University of Auckland, ²School of Chemical Sciences,The University of Auckland

Summary

Questo protocollo consente una raccolta efficiente di immagini sperimentali ad alta velocità degli impatti a goccia liquida e un’analisi rapida di tali dati in lotti. Per semplificare questi processi, il metodo descrive come calibrare e impostare l’apparato, generare una struttura di dati appropriata e distribuire uno script di analisi delle immagini.

Abstract

Gli studi sperimentali sugli impatti delle gocce liquide sulle superfici sono spesso limitati nel loro campo di applicazione a causa della vasta gamma di possibili parametri sperimentali come le proprietà del materiale, le condizioni di impatto e le configurazioni sperimentali. A complicare questo, gli impatti di goccia sono spesso studiati utilizzando la fotografia ad alta velocità ricca di dati, in modo che sia difficile analizzare molti esperimenti in modo dettagliato e tempestivo. Lo scopo di questo metodo è quello di consentire uno studio efficiente degli impatti delle goccioline con la fotografia ad alta velocità utilizzando un approccio sistematico. L’apparecchiatura è allineata e calibrata per produrre video che possono essere elaborati con precisione da un codice di elaborazione delle immagini personalizzato. Inoltre, la configurazione della struttura dei file e il flusso di lavoro qui descritti garantiscono l’efficienza e una chiara organizzazione dell’elaborazione dei dati, che viene eseguita mentre il ricercatore è ancora in laboratorio. Il metodo di elaborazione delle immagini estrae il contorno digitalizzato della goccia di impatto in ogni fotogramma del video e i dati elaborati vengono memorizzati per un’ulteriore analisi come richiesto. Il protocollo presuppone che una goccia venga rilasciata verticalmente sotto gravità, e l’impatto viene registrato da una telecamera che guarda da side-on con la goccia illuminata utilizzando l’ombra. Molti esperimenti simili che prevedono l’analisi delle immagini di eventi ad alta velocità potrebbero essere affrontati con modifiche minori al protocollo e alle attrezzature utilizzate.

Introduction

Gli impatti delle gocce liquide sulle superfici sono di grande interesse sia per la comprensione dei fenomeni fondamentali¹ che per i processi industriali². Gli impatti di gocce sono stati studiati per oltre 100 anni³, ma molti aspetti devono ancora essere completamente studiati. La fotografia ad alta velocità è quasi universalmente utilizzata per gli studi sugli impatti delle gocce⁴ perché fornisce dati ricchi e accessibili che consentono di eseguire misurazioni analitiche con una buona risoluzione temporale. I risultati di un impatto di goccia su una superficie solida⁵^,⁶^,⁷ vanno dalla semplice deposizione fino a spruzzi⁸. Gli impatti sulle superfici superidropobiche sono spesso studiati in quanto possono generare risultati particolarmente interessanti, tra cui goccia che rimbalzano⁹^,10^,¹¹^,¹². Il protocollo qui descritto è stato sviluppato per studiare gli impatti delle gocce d’acqua sulle superfici polimeriche con patterning su microscala, e in particolare l’influenza del modello sui risultati dell’impatto a goccia¹³^,¹⁴.

Il risultato di un esperimento di impatto a goccia può essere influenzato da una vasta gamma di variabili possibili. La dimensione e la velocità della goccia possono variare, insieme alle proprietà del fluido come densità, tensione superficiale e viscosità. La goccia può essere newtoniana¹⁵ o non newtoniana¹⁶. È stata studiata una grande varietà di superfici d’impatto, tra cui⁷,¹⁷, solidi¹⁸ed elastiche¹⁹ superfici. Varie possibili configurazioni sperimentali sono state descritte in precedenza da Rein et^al. La goccia può assumere forme diverse. Può essere oscillante, rotante o impatto ad angolo rispetto alla superficie. La texture della superficie e i fattori ambientali come la temperatura possono variare. Tutti questi parametri rendono il campo degli impatti delle goccioline estremamente ampio.

A causa di questa vasta gamma di variabili, gli studi sui fenomeni di bagnatura liquida dinamica sono spesso limitati a concentrarsi su argomenti relativamente specifici o stretti. Molte di queste indagini utilizzano un numero moderato di esperimenti (ad es., 50-200 punti dati) ottenuti da video ad alta velocità elaborati manualmente¹⁰^,²⁰^,21^,²². L’ampiezza di tali studi è limitata dalla quantità di dati che possono essere ottenuti dal ricercatore in un ragionevole lasso di tempo. L’elaborazione manuale dei video richiede all’utente di eseguire attività ripetitive, come la misurazione del diametro delle goccioline interessate, spesso ottenute con l’uso di software di analisi delle immagini (Fiji²³ e Tracker²⁴ sono scelte popolari). La misura più utilizzata per caratterizzare gli impatti delle gocce è il diametro di una goccia di diffusione²⁵^,²⁶^,²⁷^,²⁸.

A causa dei miglioramenti nell’elaborazione delle immagini, i metodi automatici assistiti da computer stanno iniziando a migliorare l’efficienza della raccolta dei dati. Ad esempio, sono ora disponibili algoritmi di analisi delle immagini per la misurazione automatica dell’angolo di contatto²⁹ e la tensione superficiale utilizzando il metodo di caduta del ciondolo^30. Molto maggiore miglioramento dell’efficienza può essere fatto per la fotografia ad alta velocità di drop impacts, che produce film costituiti da molte singole immagini per l’analisi, e infatti alcuni studi recenti hanno iniziato a utilizzare l’analisi automatizzata¹⁵^,¹⁸, anche se il flusso di lavoro sperimentale non è chiaramente cambiato. Altri miglioramenti nella progettazione sperimentale per gli esperimenti di drop impact sono sorti dai progressi nelle sorgenti luminose LED disponibili in commercio, che possono essere accoppiati con telecamere ad alta velocità tramite la tecnica shadowgraph³¹^,³²^,³³^,³⁴.

In questo articolo viene descritto un metodo standardizzato per l’acquisizione e l’analisi dei filmati a impatto drop. L’obiettivo principale è quello di consentire una raccolta efficiente di grandi set di dati, che dovrebbe essere generalmente utile per l’ampia varietà di studi sull’impatto a goccia descritti in precedenza. Utilizzando questo metodo, il profilo digitalizzato e risolto nel tempo di un calo di impatto può essere ottenuto per gli esperimenti da 100 dollari al giorno. L’analisi calcola automaticamente i parametri di impatto delle goccioline (dimensioni, velocità, numeri Weber e Reynolds) e il diametro di spread massimo. Il protocollo è direttamente applicabile per qualsiasi parametro di base delle gocciolatrici (inclusi liquido, dimensione e velocità di impatto), materiale del substrato o condizioni ambientali. Gli studi che scansionano una vasta gamma di parametri sperimentali possono essere condotti in un lasso di tempo relativamente breve. Il metodo incoraggia anche studi ad alta risoluzione, che coprono una piccola gamma di variabili, con più esperimenti di ripetizione.

I vantaggi di questo metodo sono forniti dall’esperimento standardizzato e da una chiara struttura e flusso di lavoro dei dati. L’installazione sperimentale produce immagini con proprietà coerenti (spaziali e a contrasto) che possono essere passate a un codice di analisi delle immagini personalizzato (incluso come file di codifica supplementare che viene eseguito su MATLAB) per l’elaborazione tempestiva dei video registrati immediatamente dopo l’esperimento. L’integrazione dell’elaborazione e dell’acquisizione dei dati è una delle ragioni principali per migliorare la velocità complessiva della raccolta dei dati. Dopo una sessione di acquisizione dei dati, ogni video è stato elaborato e tutti i dati grezzi rilevanti vengono memorizzati per un’ulteriore analisi senza richiedere il ritrattamento del video. Inoltre, l’utente può ispezionare visivamente la qualità di ogni esperimento subito dopo che è stato effettuato e ripetere l’esperimento, se necessario. Una fase iniziale di calibrazione garantisce che la configurazione sperimentale possa essere riprodotta tra diverse sessioni di laboratorio con buona precisione.

Si presuppone che per implementare questo metodo l’utente abbia accesso a un autovelox ad alta velocità disposti in modo da visualizzare la superficie da un punto di vista orizzontale (side-on). Nella figura 1è illustrata una rappresentazione schematica di questa disposizione, inclusa la definizione degli assi cartesiani. Il sistema dovrebbe avere la capacità di posizionare con precisione sia la fotocamera che il campione in tre dimensioni (X, Y e z). Un metodo shadowgraph viene implementato per illuminare la goccia e viene posizionato lungo il percorso ottico della fotocamera. Il sistema deve utilizzare un sistema di illuminazione a LED a corrente diretta di alta qualità (DC) (incluso un obiettivo a condensatore collimante) che può essere spostato nelle direzioni X e z per allineare il percorso ottico con la fotocamera. Si presume anche che l’utente abbia accesso a una pompa di siringa che possono programmare per produrre singole goccioline di volume desiderato quando collegato a un particolare ago³⁵. La goccia cade sotto gravità in modo che la sua velocità di impatto sia controllata dalla posizione dell’ago sopra la superficie. Anche se questa configurazione è abbastanza generica, Table of Materials elenca le attrezzature specifiche utilizzate per ottenere i risultati rappresentativi e prende atto di alcune potenziali restrizioni imposte dalla scelta delle attrezzature.

Figura 1: Rappresentazione schematica della configurazione sperimentale minima. Un autovelox ad alta velocità è posizionato in gocce di immagini che influiscono verticalmente su un campione da side-on. Una sorgente luminosa a LED è allineata con la linea di vista della telecamera per l’ombra. Un ago viene utilizzato per la produzione di singole gocciole e vengono definiti gli assi cartesiani. Fare clic qui per visualizzare una versione più grande di questa figura.

La descrizione del metodo è focalizzata sulla misurazione dei bordi delle goccioline liquide quando cadono e colpiscono. Le immagini sono ottenute dal punto di vista laterale comunemente usato. È possibile analizzare la diffusione delle goccioline sia da viste laterali che dal basso verso l’alto utilizzando due autovelox ad alta velocità^13,¹⁴, ma la vista dal basso verso l’alto non è possibile per i materiali opachi, e una vista dall’alto verso il basso produce complicazioni di allineamento. Il flusso di lavoro di base potrebbe essere utilizzato per migliorare la ricerca di qualsiasi piccolo oggetto di 2 ,3 mm di diametro, che influiscono sulle superfici, e potrebbe essere utilizzato per oggetti più grandi o più piccoli con ulteriori piccole modifiche. Miglioramenti e alternative alla configurazione sperimentale e al metodo sono presi in considerazione ulteriormente nella sezione di discussione.

Protocol

1. Impostazione della telecamera ad alta velocità Impostare il campo visivo fisso (FOV) per la fotocamera e calcolare il fattore di conversione da pixel a mm. Posizionate un marcatore di allineamento (ad esempio, un marcatore di lunghezza laterale di 4 mm con il codice di analisi dell’immagine fornito) nella posizione centrale dello stage campione in modo che sia rivolto verso la fotocamera. Regolare l’ingrandimento della fotocamera in modo che il marcatore quadrato si adatti all’interno del FOV. Assicurarsi che il marcatore sia a fuoco e acquisire un’immagine.NOTA: il codice di analisi delle immagini richiede che una goccia immagine copra più dell’1% del FOV totale, altrimenti è classificata come disturbo. Allo stesso modo, la goccia non dovrebbe occupare più del 40% del FOV, altrimenti viene identificata come un evento di elaborazione dell’immagine non riuscito. Bloccare l’ingrandimento dell’obiettivo e assicurarsi che rimanga invariato durante un batch di esperimenti. Caricare l’interfaccia utente grafica (GUI) per il software di analisi dell’impatto del droplet facendo clic sull’icona all’interno di MATLAB. Eseguire il codice di analisi dell’immagine. Nella GUI, fare clic sul pulsante della fotocamera di calibrazione e selezionare l’immagine ottenuta nel passaggio 1.1.1. Immettere la dimensione del quadrato di calibrazione in mm e fare clic su OK. Spostare il rettangolo visualizzato sullo schermo fino a quando il quadrato di calibrazione è l’unico oggetto al suo interno. Fare clic su OK e il software calcolerà automaticamente il fattore di conversione. Se la calibrazione automatica non riesce, seguire la guida software per eseguire la calibrazione manuale. Allineare il sistema sperimentale.Preparare il liquido utilizzato per l’erogazione di singole goccioline. Posizionare il supporto dell’ago intorno al livello oculare dell’utente per facilitare il caricamento. Svuotare manualmente il tubo per rimuovere qualsiasi fluido spingendo l’aria attraverso con una siringa. Assicurarsi che il tubo non sia attorcigliato e che l’ago sia sicuro e pulito. Fissare l’ago e il tubo in modo che l’ago sia verticale.NOTA: Se necessario, pulire l’ago d’acciaio con etanolo in un bagno ad ultrasuoni. Riempire la siringa con il fluido in fase di studio (ad esempio, acqua) e collegarla alla pompa della siringa controllata al computer. Svuotare l’ago utilizzando la pompa della siringa (fare clic e tenere premuto il pulsante di eroga) fino a quando non sono presenti bolle nel fluido. Impostare la pompa della siringa in modo che erogi il volume necessario per il rilascio di una singola goccia.NOTA: Per i risultati rappresentativi, il diametro medio delle goccioline era di 2,6 mm utilizzando un tasso di dispense di 0,5 ml/min e un volume erogato di 11 gradi. Il tasso di pompaggio dovrebbe essere abbastanza lento in modo che le goccioline si formano e si rilascino sotto gravità, e questo può essere messo a punto attraverso tentativi ed errori. Il volume della goccia può essere approssimato come14dove D è il diametro dell’ago,l’LG è la tensione superficiale del gas liquido, e la densità del fluido. Allineare il campione (ad esempio, polidimemetilsiloxane piatto [PDMS]) posizionandolo sotto l’ago ed erogando una singola gocciolina utilizzando la pompa della siringa. Verificare che la goccia applichi e si diffonda sull’area del campione di interesse e, in caso contrario, modifichi la posizione del campione in base alle esigenze.NOTA: Se l’allineamento della goccia si sta rivelando difficile, verificare che l’ago sia montato correttamente nel supporto dell’ago verticalmente e non sia piegato. Il campione è ora allineato rispetto agli assi X e Y e non deve essere spostato durante gli esperimenti. Allineare e mettere a fuoco la fotocamera. Distribuisci una singola gocciolina sul campione. Regolare la posizione verticale del supporto del campione fino a quando la superficie non si livella con il centro del FOV della fotocamera. Regolare la posizione orizzontale (X) della fotocamera in modo che la goccia sul campione sia allineata al centro del FOV. Regolare le posizioni verticale e orizzontale (X) del LED in modo che corrispondano alla posizione della fotocamera, in modo che il centro della luce venga visualizzato al centro del FOV. Regolare la distanza (Y) della fotocamera dalla goccia in modo che la goccia venga messa a fuoco.NOTA: il sistema è ora allineato e calibrato. Se il posizionamento di tutte le apparecchiature è invariato, il protocollo può essere sospeso e riavviato senza riallineamento. Per i campioni di spessore variabile, è necessario ripetere l’allineamento del campione nella direzione verticale. Impostare le condizioni di registrazione per la fotocamera. Impostate la frequenza fotogrammi della videocamera su un valore ottimale per l’oggetto da registrare.NOTA: la frequenza fotogrammi ottimale della fotocamera (fps) può essere prevista utilizzando31dove N è la frequenza di campionamento (numero di immagini acquisite quando l’oggetto copre la scala di lunghezza, normalmente 10), V è la velocità della goccia e j è la scala di lunghezza dell’imaging (ad esempio, il FOV). Impostare il tempo di esposizione della fotocamera su un valore il più piccolo possibile, mantenendo una luce sufficiente. In questa fase, regolare l’apertura dell’obiettivo sulla più piccola impostazione disponibile mantenendo una luce sufficiente.NOTA: una stima per il tempo minimo di esposizione (te) è data da31dove k è la scala di lunghezza (ad esempio, la dimensione di un pixel), PMAG è l’ingrandimento primario e V è la velocità della gocciolina. Impostare il grilletto per la fotocamera. Utilizzare un trigger di modalità fine in modo che la fotocamera memorizzi nella registrazione, quindi si arresta sul trigger (ad esempio, un clic del mouse dell’utente).NOTA: Un sistema di innesco automatico può essere utilizzato per automatizzare questo processo. 2. Condurre esperimenti Preparare il file system del computer per un batch di esperimenti. Creare una cartella per archiviare i filmati per il batch corrente di esperimenti. Impostare questa cartella come percorso di salvataggio per il software della fotocamera seguendo la guida del produttore della fotocamera. Assicurarsi che il formato di file per le immagini acquisite sia tif. Fare clic sul pulsante Imposta percorso nella GUI di analisi delle immagini e scegliere la stessa cartella del passaggio 2.1.1, che indica al software di monitorare questa cartella per i nuovi video. Creare la struttura di cartelle per un batch di esperimenti. Fare clic sul pulsante Crea cartelle nella GUI di analisi dell’immagine e immettere quattro valori come richiesto: 1) l’altezza minima di rilascio della goccia, 2) l’altezza di rilascio massima, 3) il passo dell’altezza tra ogni esperimento e 4) il numero di esperimenti ripetuti ad ogni altezza.NOTA: La velocità di impatto può essere approssimata come V – (2gh)1/2, dove g è l’accelerazione dovuta alla gravità e h è l’altezza di rilascio della caduta. Fare clic su OK per eseguire lo script Crea cartelle.NOTA: è stato creato un intervallo di cartelle nella directory per questo esperimento. Queste cartelle sono denominate “height_xx”, dove xx è l’altezza del rilascio gocciolatore. In ognuna di queste cartelle, le cartelle vuote sono pronte per archiviare i dati per ogni esperimento di ripetizione. Ripetere la sezione 2.1 per ogni nuova superficie o fluido da studiare. Preparare la superficie in base alle esigenze dell’esperimento. Per l’impatto su una superficie asciutta e solida, pulire la superficie con un protocollo standard adatto e lasciarla asciugare completamente. Registrare un evento di impatto del droplet. Posizionare il campione sullo stage campione. Se necessario, ruotare la superficie per allinearla alla fotocamera. Spostare l’ago all’altezza di rilascio della goccia desiderata. Assicurarsi che la vista dalla fotocamera sia libera, quindi acquisire e salvare un’immagine (da utilizzare in seguito durante l’elaborazione dell’immagine) utilizzando il software della fotocamera. Avviare la registrazione video in modo che la fotocamera stia registrando e registrando la memorizzazione nel buffer (ad esempio, riempiendo la memoria interna della fotocamera). Distribuisci una singola gocciolina sul campione utilizzando la pompa della siringa (passaggio 1.2.1.4). Attivare l’interruzione della registrazione una volta completato l’evento di impatto. Rimuovere la superficie dal supporto del campione e asciugarla, a seconda dei casi. Preparare il file video per un’ulteriore analisi. Ritaglia il video. Utilizzando un software adatto (ad esempio, il software della fotocamera ad alta velocità), eseguire la scansione del video per trovare il primo fotogramma in cui la goccia è completamente all’interno del FOV. Ritagliare l’inizio del video fino a questo fotogramma. Andare avanti del numero di fotogrammi necessari per catturare i fenomeni di interesse durante l’esperimento di impatto (ad esempio, 250 fotogrammi sono di solito sufficienti per gli impatti catturati a 10.000 fps). Ritagliare la fine del video fino a questo fotogramma. Salvare il video come file .avi, impostando il percorso di salvataggio nella cartella corrispondente per il batch sperimentale corrente, l’altezza di rilascio e il numero di ripetizione. Nella GUI dell’analisi delle immagini, fare clic sul pulsante Ordina file. Verificare visivamente che l’immagine di sfondo scattata nel passaggio 2.3.2 sia ora visualizzata sullo schermo. In questo modo vengono trovati il file .avi e il file .tif salvato più recente e li sposta nella stessa cartella, supponendo che siano stati eseguiti contemporaneamente. Fare clic sul pulsante Esegui traccia per avviare l’elaborazione dell’immagine. Il video verrà visualizzato con l’elaborazione delle immagini risultante sovrapposta. Verificare qualitativamente che l’elaborazione delle immagini funzioni correttamente guardando il video.NOTA: Al termine dell’elaborazione dell’immagine, il codice di elaborazione dell’immagine visualizzerà un’immagine della goccia al massimo della diffusione. La mancata calibrazione della fotocamera può causare un’elaborazione non corretta dell’immagine. Se necessario, ripetere la calibrazione fino a quando l’elaborazione dell’immagine ha esito positivo. Ripetere le sezioni 2.3 e 2.4, regolando l’altezza dell’ago come richiesto per condurre tutti gli esperimenti in questo lotto.NOTA: ogni cartella sperimentale ora conterrà una serie di file .mat. Questi file contengono i dati estratti dal software di elaborazione delle immagini e salvati per analisi future, tra cui il contorno di goccia, l’area, il riquadro di delimitazione e il perimetro per ogni fotogramma. 3. Analisi dei dati grezzi Nella GUI di analisi dell’immagine, fare clic sul pulsante Elabora dati per avviare il calcolo delle variabili principali dai dati elaborati non elaborati. Se viene eseguito dopo la sessione sperimentale, all’utente verrà richiesto di selezionare la cartella contenente il batch di esperimenti da elaborare. Immettere i quattro valori come richiesto: 1) frequenza fotogrammi di registrazione (fps), 2) densità del fluido (kg/m3), 3) tensione della superficie fluida (N/m) e 4) viscosità fluida (Pas).NOTA: il software per impostazione predefinita è un frame rate di 9.300 fps e le proprietà del fluido dell’acqua in condizioni ambientali. I valori immessi vengono utilizzati per calcolare i numeri Weber e Reynolds. Salvare i dati nel file videofolders.mat ed esportarli come file CSV.NOTA: Il codice caricherà il file prop_data.mat per un singolo esperimento, calcolerà la posizione del centro delle gocciole, troverà il fotogramma di impatto (definito come l’ultimo fotogramma prima del decelerato del centro gocciolinola) e il fotogramma in cui la diffusione orizzontale della goccia viene ingrandita. I dati di output salvati saranno la velocità di impatto (utilizzando un adattamento polinomiale di 1st alla posizione verticale del centro della goccia in funzione del tempo), il diametro equivalente della gocciolina (calcolato assumendo la simmetria rotazionale intorno all’asse z per trovare il volume della goccia, quindi trovando il diametro di una sfera con quel volume36), il diametro delle goccioline alla massima diffusione e i numeri di Weber e Reynolds.

Representative Results

La conversione delle distanze misurate dalle immagini in pixel a millimetri si ottiene con l’uso di un quadrato di riferimento noto. Questo quadrato deve essere libero nel FOV della fotocamera e a fuoco (Figura 2A). La messa a fuoco errata del quadrato di riferimento (Figura 2B) genererà un errore sistematico nelle variabili calcolate, ad esempio la velocità. Per ridurre l’errore nel calcolo del fattore di conversione il quadrato di riferimento dovrebbe coprire la maggior parte del FOV possibile. La lunghezza laterale del quadrato dovrebbe essere nota al più alto possibile da una precisione, dato il limite di risoluzione della fotocamera. Il software di identificazione delle goccioline si basa sulla superficie del campione presentato orizzontalmente alla telecamera, come illustrato nella Figura 2C. Le superfici piegate o mal risolte (Figura 2D) genereranno errori di elaborazione delle immagini. Il software può essere utilizzato per analizzare le goccioline che influenzano superfici piatte che non sono orizzontali, purché lo spigolo della superficie produca un forte contrasto con lo sfondo. Per garantire che l’intero spread delle goccioline sia monitorato dal software, la goccia dovrebbe atterrare al centro del campione (Figura 2E). Se il sistema non è allineato correttamente, la goccia può derivare dalla posizione centrale e sarà fuori fuoco (Figura 2F). Se l’agocciadimento è fuori fuoco, la dimensione calcolata non sarà corretta. Questo effetto è spesso causato da uno scarso allineamento del sistema utilizzato per spostare l’ago verticalmente lontano dalla superficie, che produrrà una deriva nella posizione di impatto in funzione dell’altezza. Si suggerisce che l’utente implementi un sistema di panieria ottica (o simile) per garantire un allineamento parallelo e perpendicolare. Per garantire che i bordi immagine della goccia d’urto appaiano nitidi, si suggerisce di utilizzare il tempo di esposizione più breve possibile con la sorgente luminosa disponibile (Figura 2G). L’allineamento errato del percorso di illuminazione rispetto alla fotocamera spesso porta alla regolazione di altre impostazioni come l’apertura della fotocamera e il tempo di esposizione. Questo produce un bordo sfocato per la goccia in viaggio (Figura 2H) Figura 2: Problemi comuni con la calibrazione errata del sistema. (A) Quadrato di calibrazione correttamente allineato e focalizzato. (B) Calibrazione quadrata fuori fuoco, producendo un fattore di calibrazione errato. (C) La superficie campione è orizzontale e fornisce un elevato contrasto tra superficie campione e sfondo. (D) Il campione è inclinato rispetto alla fotocamera, producendo una superficie riflettente. (E) Gocciolina atterra al centro del campione nel piano di messa a fuoco. (F) Gocciolina atterra fuori centro e non è a fuoco a causa dell’ampia apertura utilizzata. (G) Una goccia è immagine con bordi taglienti a causa di un breve tempo di esposizione (10 s). (H) L’illuminazione non ottimale e un tempo di esposizione più lungo (99 s) producono sfocatura del movimento. Fare clic qui per visualizzare una versione più grande di questa figura. L’illuminazione e l’allineamento non corretti del campione possono produrre riflessi e ombre nelle immagini registrate. Questi spesso producono artefatti nelle fasi di elaborazione delle immagini, che possono ridurre il numero di punti dati di buona qualità raccolti. Glare è comune per i fluidi trasparenti se il percorso di illuminazione non è allineato orizzontalmente. Il software dovrebbe essere in grado di tracciare l’intero contorno della goccia nelle immagini video (Figura 3A). Se la traccia non viene completata, i valori misurati, ad esempio la lunghezza della goccia di distribuzione, non saranno corretti (Figura 3B). Figura 3: Lunghezza di una goccia impattante in funzione del numero di fotogrammi video (fotogramma di impatto – 0). Ogni punto dati blu corrisponde alle immagini insette. (A) L’illuminazione corretta consente al software di tracciare l’intero contorno della goccia (linea gialla). I punti di contatto (croci verdi) sono identificati correttamente e la lunghezza registrata della goccia di diffusione è una funzione uniforme del numero di fotogramma. (B) La scarsa illuminazione produce abbagliamento sul liquido e il bordo sinistro della goccia non viene tracciato correttamente. La lunghezza registrata della gocciolamento di diffusione dimostra imprecisioni nei dati. Fare clic qui per visualizzare una versione più grande di questa figura. File di codifica supplementare. Fare clic qui per scaricare questo file.

Discussion

Questo metodo dipende dal controllo della posizione e dell’allineamento di diverse parti del sistema. Un requisito minimo per utilizzare questo metodo è la capacità di allineare il campione, fotocamera e LED di illuminazione. L’allineamento errato della sorgente luminosa al sensore della fotocamera è un problema comune. Se il percorso della luce entra nella fotocamera con un angolo, vengono prodotti artefatti indesiderati che ostacolano l’elaborazione delle immagini. L’utente dovrebbe mirare a ottenere un percorso di illuminazione orizzontale quasi perfetto tra il LED e il sensore della fotocamera. Controlli di posizionamento precisi (ad esempio, fasi di micrometro) sono utili per questo aspetto del metodo.

La scelta dell’obiettivo dipende dal FOV richiesto per l’esperimento. Anche se le lenti a zoom variabile comunemente disponibili consentono al sistema di essere adattato al volo, spesso soffrono di altri problemi. Se si utilizzano lenti a zoom variabile, l’utente deve assicurarsi che l’ingrandimento totale non cambi durante un batch di esperimenti (una volta che il sistema è calibrato, sezione protocollo 1). Questo problema può essere evitato utilizzando lenti di ingrandimento fisse. Con l’ingrandimento fisso, la posizione del piano focale di entrambi i tipi di obiettivo può essere modificata spostando la fotocamera rispetto al campione.

Durante l’allineamento del sistema si consiglia di utilizzare un campione vuoto dello stesso spessore dei campioni da analizzare. In questo modo i campioni di interesse vengono danneggiati o bagnati prima degli esperimenti. Se lo spessore del campione cambia durante un batch di esperimenti, il sistema deve essere riallineato nella direzione .

Anche se non è necessario, l’aggiunta di un sistema di posizionamento dell’ago controllato dal computer può aumentare notevolmente la velocità e la risoluzione del metodo. Possono essere utilizzati sistemi di rotaia motoria stepper comunemente disponibili che consentono il posizionamento dell’ago con precisione micrometrica. Il controllo digitale dell’ago consente inoltre all’utente di azzerare l’altezza rispetto alla superficie con maggiore precisione. Questo passaggio aggiuntivo garantisce che la configurazione sperimentale possa essere ripristinata con precisione all’inizio di una nuova sessione di laboratorio.

Si consiglia che l’utente impara a utilizzare il software di controllo per la fotocamera ad alta velocità. La maggior parte dei sistemi moderni può utilizzare un trigger di immagine. Questo metodo utilizza l’elettronica interna ad alta velocità della fotocamera per monitorare un’area del FOV per le modifiche. Se calibrato con attenzione, questo può essere utilizzato per attivare automaticamente la fotocamera quando la goccia colpisce la superficie. Questo metodo riduce il tempo impiegato per trovare i fotogrammi corretti del video da ritagliare dopo la registrazione di un video.

Questo metodo può essere espanso per utilizzare più di una telecamera per l’analisi dei fenomeni dipendenti dalla direzione. Se si utilizzano più telecamere, si consiglia all’utente di utilizzare l’attivazione e la sincronizzazione hardware. La maggior parte dei sistemi di telecamere ad alta velocità consente la sincronizzazione di più telecamere per registrare alla stessa frequenza fotogrammi. Utilizzando un trigger hardware condiviso (ad esempio, impulso della logica del transistor-transistor [TTL]), l’utente può registrare visualizzazioni simultanee dello stesso esperimento. Questo metodo potrebbe essere ulteriormente adattato per registrare lo stesso evento in due diversi ingrandimenti.

Questo protocollo ha lo scopo di consentire la rapida raccolta e l’elaborazione di dati video ad alta velocità per le goccioline che influiscono sulle superfici. Come dimostrato, è versatile in una serie di condizioni di impatto. Con modifiche relativamente minori al codice di analisi, potrebbe essere esteso per fornire ulteriori dati (ad esempio, profili di dipendenza temporale e spruzzi) o per studiare diverse geometrie di impatto. Ulteriori miglioramenti potrebbero comportare il ritaglio automatico dei video per includere i fotogrammi chiave di interesse. Questo passaggio, insieme all’automazione dell’altezza dell’ago, consentirebbe la raccolta di video in batch in modo completamente automatico, richiedendo solo all’utente di modificare il campione tra un impatto e l’altro.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Questo lavoro è stato sostenuto dal Marsden Fund, amministrato dalla Royal Society of New .

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

Josserand, C., Thoroddsen, S. T. Drop impact on a solid surface. Annual Review of Fluid Mechanics. 48, 365-391 (2016).
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).
Worthington, A. M. . A study of splashes. , (1908).
Thoroddsen, S., Etoh, T., Takehara, K. High-speed imaging of drops and bubbles. Annual Review of Fluid Mechanics. 40, 257-285 (2008).
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).
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).
Yarin, A. L. Drop impact dynamics: Splashing, spreading, receding, bouncing. Annual Review of Fluid Mechanics. 38 (1), 159-192 (2006).
Thoroddsen, S. T. The making of a splash. Journal of Fluid Mechanics. 690, 1-4 (2012).
Bartolo, D., et al. Bouncing or sticky droplets: Impalement transitions on superhydrophobic micropatterned surfaces. Europhysics Letters. 74 (2), 299-305 (2006).
Richard, D., Quéré, D. Bouncing water drops. Europhysics Letters. 50 (6), 769-775 (2000).
Bird, J. C., Dhiman, R., Kwon, H. M., Varanasi, K. K. Reducing the contact time of a bouncing drop. Nature. 503, 385-388 (2013).
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).
Robson, S., Willmott, G. R. Asymmetries in the spread of drops impacting on hydrophobic micropillar arrays. Soft Matter. 12 (21), 4853-4865 (2016).
Broom, M. . Imaging and Analysis of Water Drop Impacts on Microstructure Designs. , (2019).
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).
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).
Rein, M. Phenomena of liquid drop impact on solid and liquid surfaces. Fluid Dynamics Research. 12 (2), 61-93 (1993).
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).
Weisensee, P. B., Tian, J., Miljkovic, N., King, W. P. Water droplet impact on elastic superhydrophobic surfaces. Scientific Reports. 6, 30328 (2016).
Xu, L., Zhang, W. W., Nagel, S. R. Drop splashing on a dry smooth surface. Physical Review Letters. 94 (18), 184505 (2005).
Clanet, C., Béguin, C., Richard, D., Quéré, D. Maximal deformation of an impacting drop. Journal of Fluid Mechanics. 517, 199-208 (2004).
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).
Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
. Tracker Video Analysis and Modeling Tool for Physics Education (software) Available from: https://physlets.org/tracker (2019)
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).
Rioboo, R., Marengo, M., Tropea, C. Time evolution of liquid drop impact onto solid, dry surfaces. Experiments in Fluids. 33 (1), 112-124 (2002).
Ukiwe, C., Kwok, D. Y. On the maximum spreading diameter of impacting droplets on well-prepared solid surfaces. Langmuir. 21 (2), 666-673 (2005).
Wildeman, S., Visser, C. W., Sun, C., Lohse, D. On the spreading of impacting drops. Journal of Fluid Mechanics. 805, 636-655 (2016).
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).
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).
Versluis, M. High-speed imaging in fluids. Experiments in Fluids. 54 (2), 1458 (2013).
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).
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).
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).
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).
Hugli, H., Gonzalez, J. J. Drop volume measurements by vision. Machine Vision Applications in Industrial Inspection VIII. 3966, 60-67 (2000).

Play Video

PDF

DOI

DOWNLOAD MATERIALS LIST

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).

Automatically Generated