Durch den Einsatz von fortschrittlichen Grafikprozessoren haben das algorithmische Duo bedeutende Fortschritte erzielt, die breite Anwendungen von der chemischen Verfahrenstechnik bis hin zur Kernenergie haben.
Die Strömungseigenschaften von Zweiphasen-Gas-Flüssigkeits-Systemen sind für eine Vielzahl von Anwendungen von großer Bedeutung, von der chemischen Verfahrenstechnik über die Kernenergie bis hin zur Umwelttechnik. Die Vorhersage und Detektion von Blasen in solchen Systemen bleibt besonders herausfordernd. Fang et al. haben eine Methode zur dynamischen Echtzeitdetektion dieser Blasengrenzflächen eingeführt. Mit den Deep-Simple-Online-und-Echtzeit- (DeepSORT) und dem You Only Look Once (YOLO) Deep-Learning-Algorithmen erreichten sie eine präzise Blasendetektion und Echtzeitverfolgung auch in komplexen Gas-Flüssigkeits-Zweiphasen-Strömungsumgebungen, die auf mehrere verschiedene Anwendungsfälle angepasst werden können. “Die Echtzeitfähigkeit dieses Systems stellt einen bedeutenden Fortschritt gegenüber herkömmlichen Methoden dar, die häufig mit Geschwindigkeit und Genauigkeit zu kämpfen haben”, sagte Autor Yue Feng. “Die Kombination von modernster Objekterkennungs- und Verfolgungsalgorithmen ermöglicht eine sofortige Analyse und Intervention, was entscheidend ist für die Optimierung von Prozessen und die Sicherheit.”
Um das Problem anzugehen, konfigurierte die Gruppe die Algorithmen so, dass sie gemeinsam auf Videos von Blasen, die sich in Flüssigkeiten entwickeln, trainierten. Dieser Prozess erforderte von dem Team, die Parameter und Filter der Algorithmen iterativ anzupassen, um die beste Leistung zu erreichen. Die Algorithmen identifizieren automatisch Blasen an der Gas-Flüssig-Grenzfläche und können ihre Grenzen genau mit präzisen Konturen für jede Blase abgrenzen. Diese grundlegenden Daten über die Blasen helfen weiterhin bei der Analyse der Blasendynamik, einschließlich der Verfolgung von Rahmen zu Rahmen. “Verbesserungen in der Hardware, wie verbesserte GPUs und spezialisierte Prozessoren, haben unsere Verarbeitungskapazitäten erheblich beschleunigt und ermöglichten es, komplexere Berechnungen in Echtzeit durchzuführen”, erklärte Feng. Die Gruppe hofft, dass ihre Arbeit dazu beiträgt, dass mehr Anstrengungen unternommen werden, um Gas-Flüssig-Grenzflächen zu überwachen. Als Nächstes planen sie, ihre Analyse von zwei Dimensionen auf drei für eine verbesserte Detektion auszudehnen.