科研之友
微信
新浪微博
Facebook
分享链接
摘要
液滴图像的精确分割是高精度接触角测量的重要环节，针对在液滴分割过程中存在的目标不准确、轮廓不完整以及固-液-汽3项交点和边界细节效果不佳的问题，文中提出了一种适用于液滴分割的神经网络模型。该模型以U-Net网络为基础，在其输入处加入1×1卷积层汇总图像特征，避免从初始图像中丢失信息；并采用Resnet18结构作为U-Net的特征学习编码器，增强了网络的表达能力，促进了梯度的传播。在解码过程中引入密集连接的特征融合技术，在提升分割目标细节信息的同时降低了网络参数。最后在每个卷积层后都添加批量归一化操作，进一步优化了网络性能。实验结果表明，改进的U-Net模型能够有效提高液滴识别的准确率，提升分割效果，在接触角测量领域具有一定的参考价值。
-
单位河北工业大学; 电子信息工程学院
