在氣泡動(dòng)力學(xué)研究中，如何實(shí)現(xiàn)微小、低對(duì)比度、高密度氣泡的精準(zhǔn)識(shí)別與連續(xù)追蹤，是流體力學(xué)、微流控、能源化工及生物醫(yī)學(xué)工程領(lǐng)域的共性難題。中科君達(dá)視界工程師們結(jié)合千眼狼超高速攝像機(jī)NEO與自研的異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)算法，構(gòu)建了一套面向氣泡測(cè)量領(lǐng)域的高速視覺解決方案，實(shí)現(xiàn)了氣泡在復(fù)雜場(chǎng)景下的精準(zhǔn)識(shí)別、穩(wěn)定跟蹤及多維物理量測(cè)量，為氣泡動(dòng)力學(xué)研究提供了有效的實(shí)驗(yàn)工具支持。

1. 研究背景：氣泡測(cè)量的痛點(diǎn)

氣泡作為典型的氣-液兩相界面結(jié)構(gòu)，其微秒級(jí)的生成、上升、變形、聚并與破裂瞬態(tài)過程直接影響傳熱效率、反應(yīng)速率及系統(tǒng)穩(wěn)定性，工業(yè)相機(jī)或普通高速攝像機(jī)難以捕捉完整演化過程。

算法層面，傳統(tǒng)手段多依賴人工判讀或基于閾值/邊緣檢測(cè)的經(jīng)典圖像處理方法，難以應(yīng)對(duì)以下現(xiàn)實(shí)挑戰(zhàn)：

●低對(duì)比度：氣泡與背景折射率接近，邊緣模糊、灰度差異微弱，傳統(tǒng)閾值法失效。

●背景干擾：流場(chǎng)中雜質(zhì)、兩相界面波動(dòng)等容易引起誤判。

●微小尺度：直徑約10~15個(gè)像素的氣泡缺乏顯著紋理與形狀特征，常規(guī)卷積網(wǎng)絡(luò)算法容易導(dǎo)致細(xì)節(jié)丟失。

●高密度擁擠：氣泡間距小于自身直徑，相互遮擋，傳統(tǒng)跟蹤算法易發(fā)生混淆。

上述挑戰(zhàn)導(dǎo)致傳統(tǒng)方法普遍存在漏檢、誤分割、軌跡斷裂等缺陷，嚴(yán)重制約定量分析精度。

2. 解決方案：千眼狼超高速攝像機(jī)+異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)（HDBN）

2.1 硬件平臺(tái)-千眼狼超高速攝像機(jī)NEO

在實(shí)際工程與實(shí)驗(yàn)研究中，千眼狼超高速攝像機(jī)被廣泛應(yīng)用于氣泡測(cè)量相關(guān)場(chǎng)景，主要優(yōu)勢(shì)如下：

●支持130萬像素下25000 fps高速采集，有效ROI下時(shí)間分辨率高達(dá)5 μs。

●采用全新一代BSI傳感器，量子效率85%，僅需10lux照度即可高速成像。

●具備54 dB高動(dòng)態(tài)范圍，有效提升低對(duì)比度場(chǎng)景下的信噪比。

●提供SDK接口，支持與自研算法實(shí)時(shí)協(xié)同，實(shí)現(xiàn)采集即分析。

2.2算法架構(gòu)-異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)（HDBN）

僅依靠高速攝像機(jī)仍不足以完成復(fù)雜場(chǎng)景下氣泡測(cè)量。中科君達(dá)視界算法工程師們突破傳統(tǒng)的單分支卷積網(wǎng)絡(luò)結(jié)構(gòu)模型的局限，提出一種“異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)”路徑。該路徑通過建立“局部精細(xì)刻畫”與“全局語義感知”的并行機(jī)制，解決了精度與速度的矛盾，并在后續(xù)的運(yùn)動(dòng)推斷中，引入基于最優(yōu)傳輸理論的多維約束關(guān)聯(lián)算法，技術(shù)原理如下：

●高分辨率分支：使用小卷積核與空洞卷積，專用于微小氣泡的邊緣細(xì)節(jié)和幾何輪廓重建。

●上下文分支：通過擴(kuò)展感受野提取大尺度特征，理解氣泡所在區(qū)域的全局結(jié)構(gòu)、背景特征以及場(chǎng)景中的宏觀分布。

●動(dòng)態(tài)融合模塊：采用輕量化融合模塊，根據(jù)實(shí)時(shí)圖像特征動(dòng)態(tài)調(diào)整兩個(gè)分支的權(quán)重分配，實(shí)現(xiàn)細(xì)節(jié)與語義的高效協(xié)同。

●最優(yōu)傳輸跟蹤：構(gòu)建包含位置、形狀、鄰域拓?fù)洹v史軌跡的多維特征空間，以最小代價(jià)實(shí)現(xiàn)跨幀ID一致匹配。

3. 技術(shù)優(yōu)勢(shì)

4. 技術(shù)實(shí)踐案例與解析

4.1 低對(duì)比度下的識(shí)別

低對(duì)比度場(chǎng)景通常指氣泡與背景灰度差值接近噪聲水平。千眼狼高速攝像機(jī)憑借高靈敏度傳感器捕獲微弱灰度差異，“異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)”高分辨率分支強(qiáng)化局部梯度特征，結(jié)合上下文分支抑制背景均勻區(qū)域響應(yīng)，有效分離氣泡輪廓，避免傳統(tǒng)閾值法因?qū)Ρ榷炔蛔銓?dǎo)致的斷裂與漏檢。

4.2 嘈雜背景下的識(shí)別

嘈雜背景如生物反應(yīng)器內(nèi)存在介質(zhì)懸浮顆粒干擾，背景紋理在局部統(tǒng)計(jì)上像氣泡。

千眼狼“異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)”中的高分辨率分支發(fā)揮了判別作用，通過精細(xì)的形態(tài)學(xué)特征過濾非球形噪聲，顯著提升信噪比與識(shí)別準(zhǔn)確率。

4.3 小氣泡的識(shí)別

微米級(jí)氣泡在圖像中僅占數(shù)個(gè)像素，易被忽略。千眼狼“異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)”中的高分辨率分支采用亞像素級(jí)特征增強(qiáng)與多幀超分辨重建，實(shí)現(xiàn)微觀氣泡的識(shí)別。

4.4 擁擠場(chǎng)景下的識(shí)別

高密度氣泡群中目標(biāo)氣泡重疊嚴(yán)重，易導(dǎo)致合并檢測(cè)。千眼狼“異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)”技術(shù)通過雙分支協(xié)同，分別提取單個(gè)氣泡的局部獨(dú)立特征與群體分布結(jié)構(gòu)，再經(jīng)由最優(yōu)傳輸匹配實(shí)現(xiàn)重疊區(qū)域的粘連氣泡的有效分割與軌跡獨(dú)立跟蹤。

5. 高速氣泡跟蹤與測(cè)量能力擴(kuò)展

在千眼狼高速攝像機(jī)提供的高質(zhì)量序列圖像基礎(chǔ)上，算法進(jìn)一步支持將高速攝像機(jī)采集的圖像序列轉(zhuǎn)化為可統(tǒng)計(jì)、可解析的物理數(shù)據(jù)，覆蓋氣泡的運(yùn)動(dòng)學(xué)行為分析和靜態(tài)形態(tài)學(xué)表征。

5.1 氣泡運(yùn)動(dòng)學(xué)測(cè)量：

基于最優(yōu)傳輸算法獲取的具有一致身份ID的軌跡數(shù)據(jù)，工程師們可逐幀計(jì)算每個(gè)氣泡的運(yùn)動(dòng)學(xué)參數(shù)：

●位置坐標(biāo)：輸出氣泡中心或特征點(diǎn)在每一時(shí)刻的像素坐標(biāo)及世界坐標(biāo)。

●瞬時(shí)速度與加速度：通過對(duì)連續(xù)幀間位置的時(shí)間差分，計(jì)算氣泡的的瞬時(shí)速度矢量與加速度矢量，表征氣泡運(yùn)動(dòng)狀態(tài)變化。

●軌跡追蹤：支持對(duì)指定氣泡或氣泡群軌跡的持續(xù)時(shí)間、平均速度、方向矢量等宏觀指標(biāo)計(jì)算與可視化。

5.2 氣泡形態(tài)學(xué)測(cè)量：

●基本幾何參數(shù)：氣泡的投影面積、周長(zhǎng)、長(zhǎng)短軸長(zhǎng)度。

●等效粒徑與球形度：通過投影面積計(jì)算等效直徑，通過面積與周長(zhǎng)計(jì)算球形度，用于評(píng)估界面張力與流動(dòng)穩(wěn)定性。

結(jié)語

面對(duì)如何選擇一款用于氣泡測(cè)量領(lǐng)域的高速攝像機(jī)這一高頻需求，中科君達(dá)視界自主研發(fā)的千眼狼高速攝像機(jī)與異構(gòu)雙分支神經(jīng)網(wǎng)絡(luò)技術(shù)，有效解決了氣泡視覺測(cè)量中“精度-速度”權(quán)衡的難題，在低對(duì)比度、嘈雜背景、微小目標(biāo)及高密度場(chǎng)景下均表現(xiàn)優(yōu)異。該軟硬深度協(xié)同的解決方案不僅實(shí)現(xiàn)氣泡的“看得見、跟得穩(wěn)”，更進(jìn)一步推動(dòng)其動(dòng)態(tài)過程與靜態(tài)屬性的“可量化、可分析”，為航空航天流體力學(xué)研究、能源化工設(shè)備效率評(píng)估、生物醫(yī)學(xué)工程與微流控等領(lǐng)域提供高效的視覺測(cè)量解決方案。