本發(fā)明屬于氣液兩相流動(dòng)測量，特別涉及一種基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法。

背景技術(shù)：

1、粒子圖像測速(piv)通過記錄并分析流體中示蹤粒子的運(yùn)動(dòng)，推導(dǎo)出流體的速度信息，是單相流速度場測量的主要方法。但在空化流中，汽液混合物對激光的強(qiáng)烈散射和反射會(huì)掩蓋周圍示蹤粒子相對較弱的散射光，從而影響粒子成像質(zhì)量。這種空化結(jié)構(gòu)過曝對piv測量精度的影響可以使用熒光粒子來避免。但在空化核心區(qū)域，激光片和相機(jī)之間存在大量空化汽泡，從熒光粒子發(fā)出的光線會(huì)被完全阻擋。因此，傳統(tǒng)激光piv技術(shù)無法準(zhǔn)確測量不透明空化核心區(qū)域的流場信息。

2、與傳統(tǒng)激光技術(shù)相比，同步輻射x射線憑借其高頻、極短脈沖、高亮度、高準(zhǔn)直性及良好的相干性等特性，推動(dòng)了快速x射線相位襯度成像技術(shù)的發(fā)展。該技術(shù)成功解決了普通光學(xué)piv方法難以可視化空化核心區(qū)域示蹤粒子的問題。然而，由于同步輻射x射線的成像原理，示蹤粒子與液體背景之間的信噪比低，且空化汽泡的存在對粒子圖像的匹配過程帶來了挑戰(zhàn)，傳統(tǒng)piv互相關(guān)算法無法直接應(yīng)用于速度場的計(jì)算。為了獲得x射線粒子圖像中的速度場，首要任務(wù)是準(zhǔn)確檢測和提取圖像中的示蹤粒子。但受限于視線方向成像方式，空化x射線圖像中通常存在大量示蹤粒子與汽泡及其自身重疊的現(xiàn)象，顯著增加了粒子檢測的復(fù)雜性。傳統(tǒng)目標(biāo)檢測算法依賴人工設(shè)計(jì)特征，適應(yīng)性差、效率低、精度有限，難以應(yīng)對復(fù)雜場景和實(shí)時(shí)需求。如何在復(fù)雜背景下準(zhǔn)確識別和檢測重疊的小尺度圓形示蹤粒子，成為當(dāng)前亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在不足，本發(fā)明提供了一種基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法。

2、本發(fā)明是通過以下技術(shù)手段實(shí)現(xiàn)上述技術(shù)目的的。

3、一種基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，包括：

4、利用同步輻射脈沖x射線快速成像技術(shù)，拍攝包含示蹤粒子的高時(shí)空分辨率空化x射線圖像；

5、搭建yolov5目標(biāo)檢測模型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，增加小目標(biāo)檢測模塊和cbam注意力機(jī)制模塊，得到改進(jìn)后的yolov5目標(biāo)檢測模型；

6、使用擴(kuò)散模型對空化x射線圖像進(jìn)行超分辨預(yù)處理，并將超分辨預(yù)處理后的圖像分割成四等份；

7、使用數(shù)據(jù)集對改進(jìn)后的yolov5目標(biāo)檢測模型進(jìn)行訓(xùn)練；

8、用訓(xùn)練好的yolov5目標(biāo)檢測模型對分割后的空化x射線圖像中的示蹤粒子進(jìn)行預(yù)測，提取粒子內(nèi)部灰度值，生成空化示蹤粒子圖像；

9、對生成的空化示蹤粒子圖像對應(yīng)用互相關(guān)分析算法，計(jì)算空化流場瞬時(shí)速度矢量場。

10、進(jìn)一步地，所述示蹤粒子的量級為10μm。

11、進(jìn)一步地，所述yolov5目標(biāo)檢測模型包括骨干網(wǎng)絡(luò)、多尺度特征融合模塊和檢測頭；所述骨干網(wǎng)絡(luò)由卷積層構(gòu)成，從輸入圖像中提取高級語義特征；所述多尺度特征融合模塊對所述骨干網(wǎng)絡(luò)中不同層級的特征圖進(jìn)行上采樣、下采樣和特征融合操作；所述檢測頭處理融合后的特征圖。

12、更進(jìn)一步地，所述小目標(biāo)檢測模塊的形成過程為：通過對骨干網(wǎng)絡(luò)中各層級的特征圖進(jìn)行上采樣，擴(kuò)大特征圖尺寸，并將擴(kuò)大后的特征圖與相應(yīng)層級的特征圖進(jìn)行融合，再通過下采樣與yolov5目標(biāo)檢測模型網(wǎng)絡(luò)連接。

13、更進(jìn)一步地，所述cbam注意力機(jī)制模塊是將yolov5目標(biāo)檢測模型中的通道注意力圖mc和空間注意力圖ms逐元素相乘得到的注意力圖。

14、進(jìn)一步地，所述擴(kuò)散模型學(xué)習(xí)空化x射線圖像的深層特征、區(qū)分背景與目標(biāo)物體、去除噪聲并增強(qiáng)目標(biāo)輪廓、增大圖像分辨率。

15、進(jìn)一步地，所述數(shù)據(jù)集為人工生成的、且與空化x射線圖像具有相似特征的仿真空化粒子圖像數(shù)據(jù)集。

16、更進(jìn)一步地，所述改進(jìn)后的yolov5目標(biāo)檢測模型的訓(xùn)練過程為：

17、首先，定義超參數(shù)的取值范圍，包括學(xué)習(xí)率、批大小、錨框長寬比；

18、其次，選擇評估指標(biāo)，用預(yù)測框與實(shí)際框的交并比iou判斷檢測結(jié)果，在給定交并比閾值的情況下，計(jì)算準(zhǔn)確率p和召回率r；

19、最后，采用貝葉斯優(yōu)化得到最優(yōu)超參數(shù)組合，用數(shù)據(jù)集訓(xùn)練模型參數(shù)，從而得到用于示蹤粒子預(yù)測的模型。

20、進(jìn)一步地，所述空化示蹤粒子圖像對為兩幀連續(xù)的空化示蹤粒子圖像。

21、進(jìn)一步地，所述互相關(guān)分析算法是具有窗口偏移的4通道診斷算法，并在每個(gè)通道中逐步減小診斷窗口的大小。

22、本發(fā)明的有益效果是：

23、(1)本發(fā)明方法利用高能同步輻射x射線進(jìn)行成像，能夠克服傳統(tǒng)激光piv技術(shù)在空化區(qū)域示蹤粒子被遮擋的局限性。

24、(2)本發(fā)明方法利用人工生成的帶有粒子位置參數(shù)標(biāo)簽的仿真空化粒子圖像作為模型訓(xùn)練的數(shù)據(jù)集，可以減少手工標(biāo)注實(shí)驗(yàn)圖像所需的成本。

25、(3)本發(fā)明方法中基于深度學(xué)習(xí)的目標(biāo)檢測算法解決了示蹤粒子數(shù)量多、尺寸小、粒子間大量重疊以及部分粒子被氣泡遮擋等檢測難題，訓(xùn)練完成的示蹤粒子目標(biāo)檢測模型能夠準(zhǔn)確識別粒子位置、計(jì)算位移并生成空化速度場數(shù)據(jù)，從而大幅提高分析效率，特別適用于需要處理大量數(shù)據(jù)的實(shí)驗(yàn)環(huán)境。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述示蹤粒子的量級為10μm。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述yolov5目標(biāo)檢測模型包括骨干網(wǎng)絡(luò)、多尺度特征融合模塊和檢測頭；所述骨干網(wǎng)絡(luò)由卷積層構(gòu)成，從輸入圖像中提取高級語義特征；所述多尺度特征融合模塊對所述骨干網(wǎng)絡(luò)中不同層級的特征圖進(jìn)行上采樣、下采樣和特征融合操作；所述檢測頭處理融合后的特征圖。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述小目標(biāo)檢測模塊的形成過程為：通過對骨干網(wǎng)絡(luò)中各層級的特征圖進(jìn)行上采樣，擴(kuò)大特征圖尺寸，并將擴(kuò)大后的特征圖與相應(yīng)層級的特征圖進(jìn)行融合，再通過下采樣與yolov5目標(biāo)檢測模型網(wǎng)絡(luò)連接。

5.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述cbam注意力機(jī)制模塊是將yolov5目標(biāo)檢測模型中的通道注意力圖mc和空間注意力圖ms逐元素相乘得到的注意力圖。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述擴(kuò)散模型學(xué)習(xí)空化x射線圖像的深層特征、區(qū)分背景與目標(biāo)物體、去除噪聲并增強(qiáng)目標(biāo)輪廓、增大圖像分辨率。

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述數(shù)據(jù)集為人工生成的、且與空化x射線圖像具有相似特征的仿真空化粒子圖像數(shù)據(jù)集。

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述改進(jìn)后的yolov5目標(biāo)檢測模型的訓(xùn)練過程為：

9.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述空化示蹤粒子圖像對為兩幀連續(xù)的空化示蹤粒子圖像。

10.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，其特征在于，所述互相關(guān)分析算法是具有窗口偏移的4通道診斷算法，并在每個(gè)通道中逐步減小診斷窗口的大小。

技術(shù)總結(jié)
本發(fā)明提供了一種基于深度學(xué)習(xí)的空化流同步輻射粒子圖像測速方法，包括：利用同步輻射脈沖X射線快速成像技術(shù)，拍攝包含示蹤粒子的高時(shí)空分辨率空化X射線圖像；增加小目標(biāo)檢測模塊和CBAM注意力機(jī)制模塊改進(jìn)YOLOv5目標(biāo)檢測模型；使用擴(kuò)散模型對空化X射線圖像進(jìn)行超分辨預(yù)處理，并將預(yù)處理后的圖像分割成四等份；使用數(shù)據(jù)集對改進(jìn)的YOLOv5目標(biāo)檢測模型進(jìn)行訓(xùn)練；用訓(xùn)練好的YOLOv5目標(biāo)檢測模型對分割后的圖像中的示蹤粒子進(jìn)行預(yù)測，生成空化示蹤粒子圖像；對空化示蹤粒子圖像對應(yīng)用互相關(guān)分析，計(jì)算空化瞬時(shí)速度矢量場。解決了示蹤粒子數(shù)量多、尺寸小、粒子間大量重疊以及部分粒子被氣泡遮擋等檢測難題。

技術(shù)研發(fā)人員：張光建,胡必成,張德勝,周嶺,潘強(qiáng),耿琳琳
受保護(hù)的技術(shù)使用者：江蘇大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15