.png){kind=icon}
返回
Object-Based Flow Map Classification Combining Speckle Imaging and Machine Learning
.png){kind=icon}
OA
AI
DOI：10.1155/ijo/8614469.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对物体形状与液体流经模式之间关系的研究在许多科学和工业领域具有重要意义。通常，不同几何形状的物体会产生不同的流场图，这与它们的形状相关。已有多种方法被提出以通过形状检测物体。在此背景下，本研究探索并演示了机器学习与激光散斑对比成像技术的结合，以通过液体流经物体来分类其形状。在我们的实验装置中，激光照射通过四个不同形状物体的流动液体，相机采集到的散斑图像被计算机转换为流场图。这些图随后被输入卷积神经网络进行物体分类和识别。我们创建了一个包含实验流场图的数据库，并训练了SqueezeNet模型以分类新的流场图；每类物体中70%的图像用于训练，30%用于验证和测试。通过实验结果，我们证明所提出的方法能够成功分类物体，且准确率较高。该研究的发现可应用于例如区分不同类型的前列腺癌，特别是在识别排尿过程中异常流场图具有诊断价值的情况下。
Keyword:
CNN classification
flow maps
laser speckle contrast imaging
shape of an object
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
1.7
论文数:
7
被引数:
0
机构
引用论文
Quantum machine learning enhanced laser speckle analysis for precise speed prediction.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Analysis of Drag Coefficients around Objects Created Using Log-Aesthetic Curves基于对数美学曲线创建的物体周围阻力系数的分析Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Dual-Wavelength Confocal Laser Speckle Contrast Imaging Using a Deep Learning ApproachPhotonics
PhotonicsIF0
PREAI
分享收藏
查看更多内容