Development of 4D light field measurement technique with machine learning

利用机器学习开发4D光场测量技术

基本信息

批准号：
22K03922
负责人：
川口達也
金额：
$ 1.5万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

複雑乱流場，温度や濃度移流の存在する工業上重要な流れ場の計測においては，その３次元性，非定常性が重要とされているが，現在利用可能な計測ツールとして，多次元時系列データ取得デバイスである高解像度・高感度・高速度カメラが幅広く用いられているが，本質的に二次元撮影法であるため，乱流現象が内包する３次元場の捕捉が困難であり，その本質に実験的に迫ることは困難とされてきた．本研究では，流動場から計測光学系に到達する光線の 4 成分（光線場）を完全に記録するライトフィールド撮影法を開発し，機械学習を用いて旧来，面撮影に制限されていた速度場，温度場，濃度場等の流動を特徴付ける物理量を真に凍結して，レーザシート平面だけではなく屈曲した任意形状面上の物理量分布を 3 次元時系列計測が可能な手法を開発することにより，複雑熱流動の多次元複合計測を行い，数値解析に供される乱流モデル検証や，実験による物理現象の解明に寄与する計測手法の開発，実流動場への適用，さらには複雑流動現象の解明を目的としている．研究期間初年度において，ライトフィールド画像の機械学習への入力画像として最適な画素数や最適な可能なマイクロレンズサイズ，空間配置などを比較検討し，機械学習の入力層である畳み込み層への入力に適した画像の性質について検討した．また，既存の機械学習モデルをベースに，まずはライトフィールド画像から多視点画像を複数生成し，既存のEPINETモデルを用いた機械学習に適用した結果，入力層の削減可能性や多視点画像の数を変化させた場合の奥行き判定制度を定量的に評価した．

在测量具有复杂的湍流场以及温度和浓度对流的工业流动场时，三维和不稳定被认为很重要。但是，由于当前可用的测量工具，高分辨率，高灵敏和高速相机是多维时间序列数据采集设备的，但由于它们本质上是二维成像方法，因此很难捕获由三维领域捕获由三维现场来捕获的，并且它被认为是难以实验的，这些现象被认为是艰难的实验。这项研究旨在完全记录光束从流场达到测量光系统的光束的四个组件（光场）。通过使用机器学习来真正冻结特征的体格数量，这些物质数量，例如速度场，温度场和密度领域，以前限于表面摄影，并开发一种可以测量物理数量的方法，不仅可以在激光片平面上进行物理数量通过实验阐明物理现象，应用于实际流动场，甚至阐明复杂流动现象。在研究期间的第一年，我们比较并检查了最佳像素数量，最佳的可能的Microlens尺寸，空间布置等。作为用于光场图像的机器学习的输入图像，并检查了适用于卷积层输入的图像的属性，这是机器学习的输入层。此外，基于现有的机器学习模型，我们首先从光场图像中生成了多个多视图图像，并使用现有Epiatet模型将它们应用于机器学习，并在减少输入层的可能性和多视视图像的数量时进行了定量评估的深度判断系统。