carbomer

深度学习框架追踪液膜破碎动力学

研究人员开发了一种新颖的两阶段深度学习框架，用于分析液膜破碎成韧带和液滴的复杂动力学。第一阶段利用带有ResNet-50骨干网络和特征金字塔网络的Faster R-CNN模型，在高光谱图像中检测和分类这些碎片。该阶段通过一种保持形态的合成数据生成策略得到增强，F1分数高达0.872。第二阶段采用增强了Transformer的多层感知机来跨帧追踪这些对象，以86.1%的准确率和完美的破碎事件召回率准确识别连续、一对多破碎事件和非关联。