用于预测飞溅水滴变形的图像生成AI
液滴对固体表面的影响是一种重要的现象,具有多种含义和应用。特别是当液滴飞溅时,会导致土壤侵蚀、植物病原体扩散、印刷和油漆质量下降等。因此,有必要预测飞溅液滴的变形,以尽量减少不利影响。然而,多相性质导致预测复杂化。为了解决这个问题,一些跌落影响研究采用了人工智能 (AI) 模型并显示出出色的性能。然而,这些研究中开发的模型使用物理参数作为输入和输出,因此难以捕捉冲击跌落的变形。
在东京农业科技大学,机械系统工程系的一个研究小组提出了一种计算机视觉策略,并成功地使用图像数据预测了变形。由Yoshiyuki Tagawa教授领导的研究团队,包括Jingzu Yee(博士后研究员)、Daichi Igarashi(一年级硕士生)和Shun Miyatake(四年级本科生),其研究成果发表在Machine Learning: Science and Technology 2023 年 4 月 6 日。
在他们的研究中,采用可以将图像作为输入和输出的编码器-解码器架构来开发基于图像的 AI 模型来预测液滴变形。通过将撞击前的图像序列作为输入,经过训练的编码器-解码器成功生成了显示撞击过程中液滴变形的图像序列作为输出。值得注意的是,生成的图像序列与实验期间捕获的实际图像序列非常相似。对生成的图像序列的定量评估表明,在这些生成的图像序列的每一帧中,发现液滴的扩散直径与实际图像序列的扩散直径非常一致。此外,飞溅/非飞溅预测的准确性也很高。
“这项研究提出的方法为实验和数值研究提供了一种更快、更具成本效益的替代方案,”东京农业科技大学教授 Yoshiyuki Tagawa 说。“这一成就对于理解和尽量减少飞溅的不利影响非常重要。此外,它还展示了将人工智能和机器学习用于科学研究的巨大潜力。”