气液两相流中液滴识别及体积计算

气液两相流形态受到两相性质、气流和壁面等条件的影响,通常液滴在空间上的分布结构丰富多变,使得在空间中识别液滴及计算液滴体积变得十分复杂。为解决这些问题,将带有噪声的基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和光滑粒子流体动力学方法(Smooth Particle Hydrodynamics Method,SPH)结合使用。该结合方法可利用DBSCAN算法来解决液滴识别问题,并使用SPH方法计算液滴体积。经过对比验证,计算结果表明,该方法可以正确识别气液两相流中液滴数量及其体积计算,计算结果最大误差不超过真实值的2.2%,相较于目前已有的体素法更优,并且适用于液滴大形变情况。通过对横向射流雾化过程计算分析,表明该结合方法可以正确反应液体破碎的雾化程度及雾化效果。

基于高分辨率粒子成像仪的过冷液滴识别

飞机积冰严重危害飞行安全。分析云中过冷液滴的微物理特性是研究飞机积冰的有效方式。针对高分辨率粒子成像仪拍摄的不同类别云中粒子,提出了一种过冷液滴识别方法。应用数字图像处理技术提取粒子形状轮廓,提出了利用傅里叶描述子来构建粒子形状特征向量的方法,并进行了实验对比分析,所组成的傅里叶描述子特征向量可以直接为过冷液滴识别所用,对过冷液滴的识别具有重要的应用价值。

基于共现流增强双向金字塔卷积网络的密集液滴识别

基于深度学习的数字聚合酶链式反应(PCR)液滴识别对PCR图像中的目标进行高阶语义建模,能够减少人工参与特征设计和筛选带来的误差,但忽略了目标的低层物理结构和几何外观细节信息,且在特征建模的过程中重复使用了大量冗余信息,对特征的表征能力有待改善。提出一种共现流增强双向金字塔卷积网络(CoFBiPCN)框架用于PCR液滴识别和统计。为增强金字塔的内部和层间相关性,设计具有时空分支的双向金字塔卷积网络,从正反2个方向对金字塔卷积网络得到的多尺度特征进行聚合,模拟PCR图像中液滴的上下文语义以及不同层级的细节信息,以捕获液滴的物理外观等低层信息。同时,设计切片的共现注意力(SCo-AN)模块,将不同尺度的高低层信息在不同的切片子空间中进行共享聚合,并交叉传递到不同分支的BiPCN中,强化高低层特征信息的交互和依赖关系,进一步增强信息流对PCR图像上液滴的表征,实现低层和高阶信息流的共享与交叉聚合。实验结果表明,CoF-BiPCN具备良好的识别性能,准确率和平均精度均值分别达到84.74%和45.09%,与Cascade RCNN模型相比分别提高4.3和3.12个百分点。

基于计算机视觉的液滴图像拼接与识别算法研究

液滴微流控技术是近来年生物医学领域新兴的生化分析手段,要提高其检测的灵敏度和特异性,对微流控芯片中的目标液滴实现高通量、高精度检测与计数具有重要的研究意义。提出一种低复杂度、低成本、高灵敏度的基于计算机视觉的荧光液滴图像与明场液滴图像拼接与识别方法,可以实现对扩增后的液滴芯片扫描拍照后的拼接,并且通过轮廓检测以及轮廓筛选,对拼接后的图像进行准确的液滴识别。实验表明,该算法对荧光和非荧光液滴的识别率均达到99.2%以上,与较高复杂度的基于分水岭分割法相比更加简单可靠,可达到与分水岭算法相同的识别正确率,具有一定优越性,能在高通量液滴检测领域得到较好的应用。

液滴数字PCR芯片结果自动化读出平台的研究

液滴数字聚合酶链式反应(ddPCR)作为第三代PCR技术,可实现核酸分子绝对定量。然而,在数字PCR结果读出过程中,对1 000万量级的液滴进行统计费时费力而且容易出错。针对此情况设计了液滴数字PCR芯片的自动扫描识别平台,系统包括硬件移动平台和软件拍照、拼接和识别功能。软件控制平移台顺序移动并控制摄像头拍照,移动完成后把拍得的照片拼接成一张图片,之后对图片中的液滴进行识别。此平台通过二维平移台的精确定位扫描及图像分割、识别算法,对荧光和非荧光液滴识别率达到99.6%以上。平台已经应用到了实验室中,对数字PCR芯片上的微液滴可实现一键识别,极大的减小了识别时间和错误率。