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．

三维和非定常性对于复杂湍流流场以及存在温度和浓度平流的工业重要流场的测量非常重要，高分辨率、高灵敏度、高速相机是串行数据采集设备，被广泛使用。但由于它们本质上是二维成像方法，因此很难捕捉到湍流现象中所包含的三维场，人们认为很难通过实验来接近其本质。在本研究中，我们开发了一种光场成像方法，完整记录从流场到达测量光学系统的光线的四个分量（射线场），并利用机器学习来改善传统上仅限于的速度场区域成像，通过真实冻结表征流动的物理量，如温度场、浓度场，不仅可以分析激光片平面上的物理量分布，还可以分析任意形状的曲面上的物理量分布。通过开发一种能够进行多维时间序列测量的方法，我们将对复杂热流体进行多维复合测量，验证用于数值分析的湍流模型，并开发有助于通过实验阐明物理现象的测量方法。它可以模拟真实的流场并阐明复杂的流动现象。在研究期的第一年，我们比较和检验了作为光场图像机器学习的输入图像的最佳像素数、最佳可能的微透镜尺寸、空间排列等，并分析了卷积层的输入，是机器学习的输入层，我们研究了适合的图像的属性。此外，基于现有的机器学习模型，我们首先从光场图像生成多个多视图图像，并使用现有的EPINET模型将其应用于机器学习，我们定量评估了改变深度时的深度判断系统。