在2025年8月31日–9月4日于瑞典隆德举办的ILASS Europe 2025——第33届液体雾化与喷雾系统会议（33rd Conference on Liquid Atomization & Spray Systems）上，我们发表了一项关于悬浮液液滴光学液滴测量的研究。该工作聚焦于分析牛奶–水液滴的光散射信号，以确定液滴内部悬浮颗粒的浓度。
牛奶喷雾是研究复杂悬浮液液滴的良好模型体系。牛奶中含有微小颗粒和分散相，它们会改变每个液滴的光学行为。因此，可以利用牛奶–水混合物来研究光散射信号如何随悬浮液浓度而变化。
牛奶喷雾中的光学液滴测量
可靠的液滴测量对许多喷雾工艺都十分重要，包括喷雾干燥、食品生产、制药工艺、涂料喷雾以及含颗粒液体。在这些应用中，液滴往往含有悬浮颗粒、乳液或其他内部结构。
经典的液滴测量通常侧重于液滴粒径和速度。然而，复杂液滴包含更多信息：其光散射信号还可携带有关浓度、内部结构和材料组成的信息。
在这项工作中，使用单分散液滴发生器生成单个悬浮液液滴。受控的液滴链使得研究粒径几乎恒定的液滴成为可能，从而可以直接比较不同牛奶浓度下的光散射信号。
牛奶–水液滴的光散射
该研究分析了胶体液滴在椭圆高斯光束上的光散射。测量在固定散射角的背散射区域内进行。光电倍增管和高速信号分析仪以高时间分辨率记录信号。
测量使用浓度为0%至100%的牛奶–水混合物。在低浓度范围内，由于光学特性变化剧烈，采用了精细的浓度梯度。
随着牛奶浓度的变化，光散射信号的形状也随之改变。低浓度液滴在一定程度上仍可表现得像透明液滴；在较高浓度下，内部散射增强，而基于折射的信号成分减少。
AI与统计信号分析
研究采用两种方法来确定悬浮液液滴的浓度：第一种方法使用人工神经网络，第二种方法利用光散射信号的统计特性。
在基于AI的方法中，从测量数据中提取单个光散射信号，随后由神经网络学习信号形状与牛奶浓度之间的关系。
在统计方法中，信号形状由形状因子描述。该因子利用光散射信号的平均值与标准差之间的关系。结果表明，形状因子与牛奶浓度之间存在明确的函数关系。
牛奶喷雾与悬浮液液滴的研究结果
研究表明，可以利用单个液滴的光散射信号来确定悬浮液浓度。AI方法预测牛奶浓度的准确度良好，尤其是在中低浓度范围内。
统计方法同样展现出巨大潜力。它不需要以液滴粒径或液滴速度作为输入，因此有望为复杂喷雾中简单而稳健的液滴测量提供支持。
这些结果对于未来的牛奶喷雾分析、悬浮液喷雾监测以及含颗粒液滴的浓度测量具有重要意义。
对喷雾干燥和过程监测的意义
牛奶喷雾分析与喷雾干燥及食品工艺工程密切相关。在喷雾干燥中，液滴浓度、颗粒含量和内部结构会影响干燥行为和最终粉末质量。
所提出的方法还可支持其他应用，包括药物喷雾、涂装工艺、浆料喷雾、乳液以及其他复杂液体。
通过将光学液滴测量与AI及统计信号分析相结合，该工作展示了一种从喷雾中动态液滴提取材料信息的新途径。
参考文献
Doan, A. M. A., Schäfer, W., & Chernoray, V. (2025). Analysis of the light scattering of a colloid droplet on a Gaussian beam to determine the suspension concentration. ILASS Europe 2025, 33rd Conference on Liquid Atomization & Spray Systems, Lund, Sweden, 31 August–4 September 2025.
