离焦图像法颗粒多参数在线测量技术

图像法颗粒在线分析技术可以获得稀疏颗粒两相流中颗粒相的速度、粒度以及数目浓度等参数及其三维分布,具有非侵入、系统操作简便、结果直观等优点,但由于成像系统景深有限,易导致成像的离焦模糊,阻碍了其在颗粒在线测量方面的应用。然而颗粒图像的离焦模糊程度其实蕴含了颗粒的深度位置等信息,利用离焦模糊进行颗粒关键参数测量的技术逐渐得到研究人员重视。本文回顾了离焦图像法颗粒多参数测量的发展历史,简述了三种典型的离焦法(基于单相机的特殊光阑法和像散法,以及基于双相机的异像距法)颗粒深度位置测量原理,分析了不同方法的优劣势,指出在深度学习等先进图像处理算法的加持下,离焦图像法有望在颗粒在线测量领域得到更加广泛应用。

基于显微图像法和数值仿真的宽分布颗粒粒度测量的不确定度分析

随着宽粒度分布标准物质概念的提出,其定值方法也需加以明确。针对宽粒度分布标准物质电子显微图像的处理和不确定度等问题,首先采用了基于霍夫变换圆检测的球形颗粒图像边界识别方法,以实现对粘连颗粒图像的正确分割;其次通过数值仿真的方法确定了由取样数量引入的Dv50测量值的不确定度,并与相关标准进行对比分析,验证了该方法的可行性;最后提出了由单个颗粒粒径不确定度获取颗粒系平均粒径不确定度的方法,并对粒度分布范围在1~18μm的玻璃微珠颗粒进行了不确定度评估,得到其相对扩展不确定度为1.613%(k=2)。

基于深度学习的显微离焦图像法颗粒深度测量

显微成像条件下的三维流场测量是微通道流动等研究的基础,其难点在于颗粒深度位置的测量。由于显微镜头景深极小,成像时通道内大部分颗粒处于离焦状态。本文首先基于几何光学原理分析了显微成像前后离焦不对称的特点,随后基于Inception V3卷积神经网络搭建了颗粒深度预测模型,并通过光线追踪方法生成粒径1~10μm的10种颗粒在深度范围-50~50μm内的仿真显微图像,应用深度预测模型对其进行训练及预测,颗粒深度预测结果显示1~3μm颗粒的相对误差在±13%以内,4~10μm颗粒的相对误差小于±5%。最后在微通道中拍摄粒径分别为2.6μm和5μm的聚苯乙烯微球在深度范围-50~50μm内的显微图像,应用同一深度预测模型进行训练及预测,两种颗粒深度预测结果的相对误差分别为小于±15%和±5%。结果表明,所提出的基于深度学习的显微离焦图像法能够有效测量微通道内颗粒深度位置,为图像法流场测量技术增加了新的思路。

数字图像处理与流场测量课程教学案例设计

数字图像处理技术在各行各业的应用日益广泛,在流场测量方面尤其常见且重要。上海理工大学能源与动力工程学院开设了数字图像处理与流场测量研究生课程,拟为相关研究生后续开展相关领域的研究奠定基础。本文从笔者开展的相关研究和实验中,针对图像增强、图像分割、频域处理和数学形态学处理等方面,选取了合适的图片,作为课程教学的相关案例,并对其进行阐述和分析,为相关教学工作者及学习者提供参考。