典型文献
基于卷积神经网络的离焦颗粒粒径与位置测量
文献摘要：
针对双相机成像系统所获取的颗粒离焦图像,搭建了基于Faster-RCNN和VGG16卷积神经网络(CNN)的颗粒粒径与位置同步预测模型.在75～95 mm(约9～10倍的成像系统景深)深度范围内,拍摄直径为50～350 μm的9种不同圆点用于所提模型的训练,并将所提模型与基于离焦测距(DFD)理论模型的处理方法进行了比较分析.测量结果表明,与基于DFD理论模型的处理方法相比,CNN模型的颗粒深度测量范围有所提高,直径测量误差有所降低,但深度测量误差有所增大.进一步采用双相机系统拍摄在循环样品池内流动的粒径为120 μm的标准颗粒,应用所提CNN模型对相应图片进行处理,粒径预测结果的相对误差范围为-8％～8％.
文献关键词：
测量;卷积神经网络;双相机离焦成像系统;位置测量;粒径测量
中图分类号：
作者姓名：
张翔云;周鹜;姜友新;夏向学杰
作者机构：
上海理工大学能源与动力工程学院,上海200093;上海市动力工程多相流动与传热重点实验室,上海200093
文献出处：
引用格式：
[1]张翔云;周鹜;姜友新;夏向学杰-.基于卷积神经网络的离焦颗粒粒径与位置测量)[J].光学学报,2022(19):92-98
A类：
双相机离焦成像系统,离焦成像
B类：
颗粒粒径,位置测量,相机成像,Faster,RCNN,VGG16,位置同步,景深,圆点,测距,DFD,深度测量,测量范围,直径测量,测量误差,机系统,池内,内流,准颗粒,误差范围,粒径测量
AB值：
0.308079
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
