基于卷积神经网络的散斑图像分析确定悬浮悬浮液微液滴中的纳米颗粒和微液滴参数
应用物理
2026-04-09 v1
摘要
悬浮液微液滴的光学响应不仅由分散相的性质决定，还受液滴本身的有限尺寸和光学结构的影响。因此，解释此类系统的散射光图案构成一个非平凡的逆问题。在本工作中，我们研究了是否可以利用从单颗悬浮悬浮液微液滴中记录的激光散斑图像进行数据驱动的液滴和悬浮液参数识别。实验在缓慢蒸发的单分散TiO₂纳米颗粒悬浮液微液滴上进行，该悬浮液被约束在二乙二醇中的线性电动力学四极阱中。散斑图像由卷积神经网络进行分析，该网络首先在单独任务中，然后在组合的两参数和三参数分类中，对液滴直径、纳米颗粒浓度和纳米颗粒直径进行分类。在当前实验条件下，液滴直径被可靠识别，在测试数据集上的估计精度优于约6%。纳米颗粒浓度更难分辨，但在浓度类别充分分离时获得了有效的区分。纳米颗粒直径在选定情况下也被明确分类。此外，在27个类别中同时实现了最多三个参数的分类。这些结果表明，基于CNN的散斑图像分析可能为自由悬浮微液滴乃至更复杂的气溶胶类系统的多参数光学诊断提供一条可行途径。
引用
@article{arxiv.2604.06935,
title = {Determination of Nanoparticle and Microdroplet Parameters in Levitating Microdroplets of Suspension by Speckle Image Analysis Using Convolutional Neural Networks},
author = {Yaroslav Shopa and Kwasi Nyandey and Daniel Jakubczyk},
journal= {arXiv preprint arXiv:2604.06935},
year = {2026}
}