Con el desarrollo de la tecnología de pantallas de cristal líquido, los cristales líquidos de fase azul han captado la atención de los investigadores debido a sus numerosas ventajas y siguen siendo objeto de interés continuo. Sin embargo, existen muchas dificultades en la investigación y aplicación, como que la fase azul solo existe en un rango de temperatura muy estrecho, por lo que el reconocimiento rápido de la fase azul y el cálculo rápido del intervalo de temperatura donde existe la fase azul son especialmente importantes. En este trabajo, se entrenó un modelo mediante algoritmos de aprendizaje automático que, combinado con el software Labview, permite el reconocimiento rápido del estado de fase del cristal líquido y la lectura rápida del dominio de temperatura de la fase azul. Durante el experimento, la tasa general de precisión en el reconocimiento de 159 840 imágenes de puntos de muestra de fase fue superior al 93%. Los resultados de este estudio pueden identificar la fase azul y calcular su rango de temperatura de manera más eficiente, seleccionando más rápidamente las formulaciones adecuadas de cristales líquidos de fase azul, aumentando así la eficiencia de la investigación experimental y promoviendo la aplicación temprana de la fase azul en dispositivos de visualización.

Cristal líquido de fase azul; aprendizaje automático; redes neuronales convolucionales; reconocimiento de imágenes