相关实验视频
Updated: Jun 20, 2026
14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
16.6K
一种基于单个摄像头的三维速度场测量方法,用于颗粒式媒体的大规模完成深度学习
Jie Zou1, Chunyue Tian2, Yiqun Liu1
1College of Aeronautics and Astronautics, Taiyuan University of Technology, Jinzhong 030600, China.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
这项研究引入了一种新的单摄像头深度学习方法,用于测量大规模加工中的3D颗粒流速. 该技术提供了高精度和速度,克服了传统方法的局限性.
科学领域:
- 机械工程 机械工程
- 计算流体动力学的流体动力学.
- 机器学习 机器学习
背景情况:
- 批量加工对于加工的零件质量至关重要,但测量颗粒介质流速具有挑战性.
- 现有的方法是复杂的,昂贵的,单点的,并干扰流.
- 缺乏通用的测量技术阻碍了流程优化.
研究的目的:
- 开发一种新,准确和高效的方法,用于测量质量加工中颗粒流的3D速度场.
- 用单摄像头深度学习方法解决传统测量技术的局限性.
- 根据已建立的算法验证拟议的方法,并证明其实际适用性.
主要方法:
- 开发了一个基于单个摄像头的系统,集成了深度学习算法.
- 该系统经过校准,其性能与传统的数字图像相关性 (DIC) 算法进行了分析.
- 实验使用碗型振动加工机进行,以捕获3D颗粒流.
主要成果:
- 提出的方法在空间位移测量方面实现了高精度,平均误差低于0.07毫米.
- 深度学习方法的计算速度比传统的DIC算法快了1291.67%.
- 通过在振动加工机器中成功捕获3D颗粒媒体流,证实了可行性.
结论:
- 单摄像头深度学习方法为3D颗粒式流速测量提供了高度准确和高效的解决方案.
- 这项研究成功地将深度学习与传统光学技术相结合,用于实际的工程应用.
- 开发的系统为了解和优化批量加工过程提供了显著的进步.
