Amélioration de la détection des gouttes dans les systèmes liquide-liquide grâce au couplage entre l’apprentissage automatique et la modélisation assistée par ordinateur
Résumé
Cette communication présente un nouvel algorithme d'apprentissage automatique pour le traitement d'images destiné à la détection des gouttes dans les systèmes liquide-liquide. Il combine trois outils numériques : YOLOv5 pour la détection d'objets, Blender pour la génération d'images synthétiques, et CycleGAN pour le texturage des images. En conséquence, il a été nommé BYG-Drop pour "Blender-YOLO-cycleGAN Droplet detection". BYG-Drop surpasse les techniques traditionnelles de traitement d'images tant en termes de précision que de nombre de gouttes détectées lors des tests de validation numérique. Appliqué à des images expérimentales, il reste cohérent avec les techniques établies telles que la diffraction laser, tout en surpassant les autres méthodes de traitement d'images. Le texturage des images par CycleGAN permet une adaptation rapide à différents systèmes fluides, augmentant la polyvalence du traitement d'images dans la mesure de la distribution de taille des gouttes. Enfin, le temps de traitement par image est considérablement plus rapide avec cette nouvelle approche.
Domaines
Sciences de l'ingénieur [physics]Origine | Fichiers produits par l'(les) auteur(s) |
---|