基于多输入ConvNeXt模型的气泡柱中气泡形状分类

《AIChE Journal?AIChE》：Bubble shape classification in a bubble column based on multi-input ConvNeXt model

气泡连续变形与形状分类研究通过透视视觉探针与边界检测模型结合多输入ConvNeXt创新算法，揭示实际流动条件下椭球形气泡占比最大（49.5%），并建立E与dm跨类群差异模型。

　　

摘要

全面理解上升气泡的连续变化和变形对于精确地进行反应器放大和工艺优化至关重要。本研究结合了远心视觉探测技术、气泡边界识别模型（R-CNN）以及新开发的多输入卷积神经网络（ConvNeXt），首次实现了在真实流动条件下的气泡形状分类。分类结果显示，椭球形气泡是最主要的气泡形态（占49.5%），而扁平椭球形气泡的比例最小（占2.7%）。通过对所有分类气泡的参数 E 和 d_m 进行统计分析，发现不同类型的气泡之间存在显著差异：球形和扁平椭球形气泡在 E 参数上与其他类型有明显区别，而其他形状的气泡则相对一致。d_m 参数在不同类型气泡之间存在显著差异，其大小依次递增，具体顺序为：球形、椭球形、球形帽状、椭球形帽状、扁平椭球形以及摇摆椭球形。尽管我们的模型能够实现气泡分类，但仍存在一些未解决的问题，包括图像质量限制、从二维数据推断三维形状的难度、湍流效应的影响以及高速度条件下的适用性问题——这些问题需要通过改进成像算法来解决。

利益冲突声明

作者声明不存在任何利益冲突。