Применение методов компьютерного зрения и машинного обучения в экспериментальной механике

Автор: Ирина Александровна Знаменская

Организация: Физический факультет МГУ имени М.В. Ломоносова

Рис.1 Зависимость кривизны головной ударной волны от времени для различных чисел  Маха (слева). Участок головной ударной волны и расчёт её кривизны (справа).

Методы компьютерного зрения начинают все чаще применяться для распознавания структур течений в экспериментальной механике жидкости и газа. Классические методы обнаружения границ, контуров, такие как метод Канни, доказали свою эффективность в распознавании газодинамических и гидродинамических структур. В последние годы для визуализации потоков начали активно использоваться методы глубокого обучения, что значительно повысило точность и уровень анализа больших данных. Свёрточные нейронные сети успешно применялись для сегментации структур течений и их классификации, демонстрируя высокую эффективность при распознавании структур потоков в экспериментальных и численных данных. Методы машинного обучения применялись для обработки теневых изображений, показав, что нейросети способны отслеживать и классифицировать такие объекты как ударные волны, контактные поверхности различных конфигураций, частицы-трассеры в потоке. 

Рассматриваются  методы анализа больших данных визуализации потоков рефракционными методами при высокоскоростной регистрации (включая шлирен, теневые методы, ТФМ), цифровым трассированием (включая PIV), ИК термографией.