【作者】

刘丹; 玄铁民; 何志霞

【单位】

江苏大学 能源与动力工程学院

【摘要】

目前，扩散背景光消光法已发展成广泛应用于测量柴油喷雾火焰中碳烟生成的光学诊断技术。为了消除火焰自发光对碳烟KL值计算的误差，实验过程中通常需要得到有无背景光交错的系列图片。因此，数据处理过程中就需要进行插帧处理进而得到缺失时刻的火焰自发光或有背景光图像。该研究从帧间隔长度、预测区域、多个中间帧三个方面对比了传统的Farneback光流算法和以神经网络为基础的Super slomo方法生成中间帧的精确度，然后比较了将两种插帧方法应用在扩散背景光消光法的KL值计算中时结果之差。结果表明，不论是使帧间隔变长、针对不同区域、还是增加中间帧的数量，Super slomo方法生成的中间帧的精度在总体上总是大于Farneback光流法，而且随着中间帧数的增加，Farneback光流法与Super slomo方法在预测精度上的差值都有扩大趋势。应用在消光法中时，使用Super slomo方法作为插帧方法得到的KL值会比Farneback光流法更接近理论上的真实值。

【关键词】

光流法;机器学习;插帧技术;消光法

【论文集名称】

测试技术与控制

【会议名称】

内燃机“高效、低碳、清洁燃烧”国际学术研讨会

【会议时间】

2022-8-11至2022-8-14

【会议地点】

昆明

【下载次数】

2

返回