Une nouvelle approche combinant l'apprentissage profond et la modélisation stochastique pour extraire les propriétés en 3D des écoulements multiphasiques à partir d’images de projection en 2D - Archive ouverte HAL
Communication Dans Un Congrès Année : 2024

Une nouvelle approche combinant l'apprentissage profond et la modélisation stochastique pour extraire les propriétés en 3D des écoulements multiphasiques à partir d’images de projection en 2D

Résumé

En raison de sa simplicité, mais aussi de ses performances, l'une des techniques les plus utilisées pour caractériser les écoulements gaz-liquide est l'imagerie directe. Cependant, l'efficacité des méthodes d'imagerie directe est étroitement liée à l'algorithme de traitement d'image utilisé. Dans cette communication, nous présentons un algorithme de traitement d'image basé sur le couplage entre la modélisation stochastique et l'apprentissage profond qui permet de récupérer les principaux paramètres géométriques 3D des bulles dans les écoulements gaz-liquide, y compris pour des écoulements complexes pour lesquels les algorithmes déterministes sont moins efficaces.
Fichier principal
Vignette du fichier
SFO_2024.pdf (2.14 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04708967 , version 1 (25-09-2024)

Identifiants

  • HAL Id : hal-04708967 , version 1

Citer

Kassem Dia, Johan Debayle, Fabrice Lamadie. Une nouvelle approche combinant l'apprentissage profond et la modélisation stochastique pour extraire les propriétés en 3D des écoulements multiphasiques à partir d’images de projection en 2D. Optique Normandie 2024, SFO, Jul 2024, Rouen, France. ⟨hal-04708967⟩
11 Consultations
8 Téléchargements

Partager

More