申请/专利权人:上海理工大学
申请日:2021-04-26
公开(公告)日:2021-10-12
公开(公告)号:CN113496499A
主分类号:G06T7/207(20170101)
分类号:G06T7/207(20170101);G01P3/38(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.10.11#授权;2021.10.29#实质审查的生效;2021.10.12#公开
摘要:本发明公开了一种基于卷积神经网络的低质量粒子速度场图像修正方法,包括以下步骤:S1、获取粒子图像;S2、对图像遮挡处理,并用PIV计算;S3、通过步骤S2计算得到微观的速度矢量;S4、将得到的数据集作为网络输入;进行步骤S1‑S4同时进行如下的步骤:S5、定义流场域;S6、进行无遮挡处理且用PIV计算;S7、计算得到准确的粒子速度场的Slabel;S8、通过步骤S7作为网络训练的标签;S9、通过步骤S1‑S4与S5‑S8搭建网络且建立训练模型;S10、进行网络模型应用。根据本发明,有效解决了PIV测量技术中的低质量粒子速度场图像修正问题和在遮挡限制情况下的粒子速度场测量问题。
主权项:1.一种基于卷积神经网络的低质量粒子速度场图像修正方法,其特征在于,包括以下步骤:S1、获取粒子图像;S2、对图像遮挡处理,并用PIV计算;S3、通过步骤S2计算得到微观的速度矢量;S4、将得到的数据集作为网络输入;进行步骤S1-S4同时进行如下的步骤:S5、定义流场域;S6、进行无遮挡处理且用PIV计算;S7、计算得到准确的粒子速度场的Slabel;S8、通过步骤S7作为网络训练的标签;S9、通过步骤S1-S4与S5-S8搭建网络且建立训练模型;S10、进行网络模型应用。
全文数据:
权利要求:
百度查询: 上海理工大学 一种基于卷积神经网络的低质量粒子速度场图像修正方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。