使用深度学习测量板形燃烧器中混合火箭固体燃料的退移速率
图像与视频处理
2021-11-24 v1 计算机视觉与模式识别
摘要
本研究提出了一种基于成像的深度学习工具，用于测量混合火箭燃料二维板形燃烧器实验中的燃料退移速率。板形燃烧器实验旨在通过测量燃料退移速率来验证混合火箭中反应边界层燃烧的机制模型。使用配备高强度闪光灯的数码单反相机在整个燃烧过程中捕获图像，随后利用这些图像寻找燃料边界以计算退移速率。我们探索了 U-net 卷积神经网络架构来从实验图像中分割燃料。使用 Monte-Carlo Dropout 过程来量化网络产生的退移速率不确定性。将 U-net 计算的退移速率与文献中其他技术的值进行比较，误差小于 10%。进行了氧化剂通量依赖性研究，结果表明当训练集中的图像未过饱和时，U-net 对退移速率的预测是准确的且与氧化剂通量无关。探索了使用单色图像进行训练，但在预测高噪声图像的燃料退移速率时未获成功。与阈值二值化转换和空间滤波等传统图像处理技术相比，该网络在滤除由燃烧室玻璃上的碳烟、凹坑和蜡沉积以及火焰引入的噪声方面表现更优。U-net 持续提供低误差的图像分割，从而允许准确计算燃料的退移速率。
引用
@article{arxiv.2108.11276,
title = {Measurement of Hybrid Rocket Solid Fuel Regression Rate for a Slab Burner using Deep Learning},
author = {Gabriel Surina and Georgios Georgalis and Siddhant S. Aphale and Abani Patra and Paul E. DesJardin},
journal= {arXiv preprint arXiv:2108.11276},
year = {2021}
}