机械生成的水面波的极度图像数据集,加上波量表线性阵列波浪仪的表面高度记录

科学领域:

• 流体动力学 流体动力学
• 光学测量技术的使用
• 机器学习应用 机器学习应用

背景情况:

• 精确的时空测量水面升高对于水波研究至关重要.
• 现有的水波测量方法通常是复杂的,计算密集的,并且频率/波数响应有限.

研究的目的:

• 为培训和评估一种新的水波测量方法提供一套新型的,受监督的数据集.
• 介绍一种使用偏振镜相机和机器学习 (ML) 进行增强水波分析的方法.

主要方法:

• 开发一个监督数据集,包括水面的极度度图像和相应的水面高度数据.
• 在实验室波盆中采集数据,在受控照明下机械生成波.
• 使用线性阵列的电阻类型波量表 (WG) 进行地面真实测量.
• 对高分辨率数据实施精细的校准和同步程序.

主要成果:

• 该数据集捕捉了各种波形条件,包括单色和不规则的波场 (JONSWAP频谱).
• 包括波浪断裂场景的数据和相对于波浪传播的多个摄像头位置的测量.
• 开发的基于ML的方法显示了克服传统波浪测量技术局限性的潜力.

结论:

• 这一数据集是推动水波测量研究的宝贵资源.
• 新型极化成像和ML方法为准确和高效的时空水波分析提供了有希望的替代方案.
• 这项工作有助于在流体动力学研究中进一步开发和验证先进的光学和基于机器学习的技术.