Велосиметрия частиц с помощью нейронных сетей

В последние десятилетия значенительный прогресс был достигнут в методах исследования турбулентных течений с помощью фоторегистрации частиц. Техника велосиметрии частиц (PIV) основана на обработке последовательных снимков частиц и широко используется на практике для восстановления параметров турбулентных течений. Непосредственные вычисления состоят в вычислении расстояний между частицами на снимках, и происходят на этапе пост-процессинга экспериментальных данных. Однако, этап пост-процессинга становится трудоёмким при росте плотности и скорости частиц, поскольку при этом также увеличивается и объем данных. Кроме того, существующие алгоритмы для PIV либо вычисляют грубое приближение поля скорости, либо требуют больших вычислительных усилий, делающих невозможным использование в режиме реального времени. Цель данной работы, таким образом, состоит в разработе эффективного алгоритма для восстановления мелкомасштабного поля скорости из экспериментальных данных PIV. Поскольку данные PIV обычно получены высокоскоростными камерами, мы будем использовать методы компьютерного зрения для их анализа и обработки. В данной работе используется сверточная нейронная сеть, недавно предложенная для решения задачи восставновления поля скорости, а именно сеть объемных соответствий (VCN). Сеть обучена и протестирована на датасете, содержащем синтетические и реальные поля скорости и соответствующие изображения. Проведен анализ и сравнение экспериментальных результатов с традиционными методами PIV и другими работами. Этот анализ показывает, что предлагаемый метод предоставляет эффективность и точность на уровне с наилучшими текущими решениями.