基于卷积神经网络的大尺寸气泡体积二维图像测定方法

由于表面张力与惯性力作用,静止流场内较大尺寸气泡[500<气泡雷诺数（Re）<2000]形成不规则几何形状,造成二维图形处理方法等效球体或椭球获取三维体积的方式误差较大。此外,由于不规则界面的散射和反射,引起二维图像处理中边界模糊,难以辨识。本文以高速摄像机获得的静止流场内大尺寸气泡二维灰度图像作为卷积神经网络（CNN）的输入,以图像内气泡二维投影面积及实验获得三维体积训练网络,并用训练好的网络预测气泡体积。实验采用小气泡叠加法获得真实气泡体积,与网络预测结果进行对比。结果表明,该方法与传统图像处理方法相比,不需要对气泡形状进行假设,提高了对大尺寸气泡的适用性。