.png){kind=icon}
返回
Bubble shape classification in a bubble column based on multi-input ConvNeXt model
.png){kind=icon}
PRE
AI
DOI：10.1002/aic.70097.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对上升气泡的连续变化和变形的全面理解，对于精确的反应器放大和过程优化至关重要。本研究结合了远心视觉探头和气泡边界R-CNN，并与新开发的multi-input ConvNeXt相结合，开创了在真实流动条件下对气泡形状进行分类的方法。分类结果显示，椭球形气泡构成了主要形状（49.5%），而扁椭球形气泡占比最小（2.7%）。对E和dm在所有分类气泡中的统计分析揭示了显著差异：球形和扁椭球形气泡与其他类别相比在E值上表现出显著差异，而其余形状则显示出相对一致性。dm在各类别之间变化显著，按以下顺序逐渐增加：球形、椭球形、球帽形、椭球帽形、扁椭球形和摆动椭球形。尽管我们的模型实现了气泡分类，但未解决的问题涉及图像质量限制、从2D数据推断3D形状、湍流流动耦合以及高速应用性——这需要集成成像-算法的进步。
Keyword:
bubble column
bubble shape
classification
ConvNeXt model
deep learning