基于深度学习的气液两相流气泡分割算法

作者：郭春雨; 汪永号; 韩阳

来源：华中科技大学学报(自然科学版)科技大学, 2023, 51(11): 157-164.

DOI：10.13245/j.hust.230259

• 气液两相流
• 重叠气泡分割
• 注意力机制
• 空洞卷积
• 空隙率
• 数据增强
• 气泡生成对抗网络

针对气液两相流中重叠气泡难以检测与分割的问题，基于深度学习框架，在YOLACT模型算法的基础上，将有效通道注意力机制(ECA)和空洞卷积引入特征提取网络，提出一种ECA-YOLACT气泡检测与分割算法，以增加重叠气泡的边缘提取能力．为获得气泡数据集，基于气泡生成对抗网络(BubGAN)生成数据集，同时开展气液两相流试验工作，采用数据增强的方式进行扩充，完成对网络模型训练．为验证算法的可行性，针对气泡的不同空隙率开展模型算法实验．实验结果表明：基于改进的YOLACT气泡检测与分割算法，在测试集上进行验证的准确率为89.49%，召回率为97.51%，平均准确率为96.80%.

• 单位
  哈尔滨工程大学