现代涂料体系由多种组分构成，其成分会直接影响雾化行为。
哪怕只是浓度、材料成分或光学特性发生变化，也可能导致涂料在雾化过程中表现不同。
因此，在许多应用中，仅测量液滴粒径是不够的。随之而来的还有一个问题：
当前正在雾化的材料是否仍与此前定义的参考材料具有可比性？
在比较不同涂料配方、混合工艺以及长期监测涂料体系时，这个问题尤为重要。
ParticleTensorAI®解决方案
ParticleTensorAI®专为对液滴和颗粒的光学信号进行深入分析而开发。
SprayQuantAI®主要监测喷雾的几何和动态特性，而ParticleTensorAI®则进一步研究光散射信号的复杂结构。
单个液滴在穿过测量体积时，会产生具有特征性的、随时间变化的光散射特征。该特征不仅取决于液滴的粒径和速度，光学特性和与材料相关的特性同样会影响信号形状。
ParticleTensorAI®利用基于AI的方法处理大量此类信号，从而能够检测不同材料状态之间的差异。
LSS2：兼顾喷雾与材料信息
LSS2测量探头提供两个光学测量通道。除常规喷雾参数外，还可提供有关液滴光学特性的更多信息。
根据具体应用和系统的预先训练，可借此检测涂料体系的变化，并将其与参考状态进行对比。
这在以下方面尤其有意义：
- 浓度变化，
- 不同的涂料配方，
- 混合比例，
- 材料变化，
- 储存或加工过程中的变化，以及
- 将新配方与现有参考材料进行对比。
以参考状态取代复杂的单项参数
对于许多工业应用而言，并不需要逐一测定每项物理材料特性。在实践中更重要的问题往往是：
当前材料是否仍符合已批准的参考状态？
为回答这一问题，ParticleTensorAI®会学习已知状态的特征信号结构。测量时，新信号将与该参考空间进行比较。
这样，即使变化的原因起初未知，也能检测到材料的变化。
在开发和生产中的应用
该系统既可用于涂料开发，也可用于过程监测。
在开发中，可以对不同涂料配方进行相互比较，从而研究成分变化如何影响所产生的喷雾。
在生产中，系统则监测材料是否始终处于此前定义的工艺窗口之内。
由此，ParticleTensorAI®将喷雾分析与雾化材料分析结合在一起。