教学课程资源库 更多>>

关键词： 三白瓜   高光谱成像技术   数字图像处理技术   内外部   综合品质  

摘要： 三白瓜主产于山西省运城市万荣县,是全国农产品地理标志产品,也是山西省特色农产品。三白瓜具有较好的储藏性,一般自当年7、8月份采摘后,可放至来年1月份。期间,瓜的内外品质短期内不发生变化。但随着储存时间变长,内部由固态瓜瓤逐渐变为液态,而外部瓜皮,也会出现零星的黑斑或颜色、纹理等的变化。经查阅文献资料,关于三白瓜在储藏期间,其内外品质的变化规律及其机理鲜见报道。因此,为了研究三白瓜在仓储期内,其内部营养物质和外部损伤、颜色、纹理等特征的变化及机理,本文以三白瓜为研究对象,主要采用高光谱成像技术和数字图像处理技术对三白瓜进行内外品质检测研究。首先采用高光谱技术与化学计量学相结合的方法,对三白瓜的内部品质各指标进行理化测定和分析,并基于高光谱技术进行了建模分析。然后使用数字图像处理技术对三白瓜外部品质进行了分析检测,并提取外部相关指标值。最后通过因子分析实现对内外部指标值的表征。主要研究内容和结果如下: （1）采集三白瓜内部的高光谱图像,建立三白瓜内部品质的可溶性固形物（SSC）、硬度、水分、维生素C和蛋白质含量检测模型。采用S-G平滑处理、数学变换方法（一阶、二阶求导）、标准正态变换（SNV）和多元散射校正（MSC）方法对原始光谱进行预处理,建立PLSR模型,对预处理的效果进行评价。通过连续投影算法（SPA）和竞争性自适应重加权算法（CARS）两种特征波长提取方法对三白瓜光谱数据进行降维处理,建立PLSR模型,对特征提取的效果进行评价。结果表明,三白瓜内部可溶性固形物、水分、硬度、蛋白质和维生素C指标平均值分别为4.81%、94.7%、26.6g、1.09%和257μg,针对三白瓜可溶性固形物（SSC）的检测,使用MSC-CARS-PLSR模型效果最好,校正模型和预测模型决定系数R2分别为0.8893和0.8640,均方根误差RMSE分别为0.1504和0.1865;针对三白瓜水分的检测,使用SNV-CARS-PLSR模型效果最好,校正模型和预测模型决定系数R2分别为0.8798和0.8586,均方根误差RMSE分别为0.3615和0.4382;针对三白瓜硬度的检测,使用未预处理-SPA-PLSR模型效果最好,校正模型和预测模型决定系数R2分别为0.7050和0.6866,均方根误差RMSE分别为3.6224和3.8058;针对三白瓜蛋白质的检测,使用FD-SPA-PLSR模型效果最好,校正模型和预测模型决定系数R2分别为0.8776和0.8377,均方根误差RMSE分别为0.0593和0.0572;针对三白瓜维生素C的检测,使用FD-CARS-PLSR模型效果最好,校正模型和预测模型决定系数R2分别为0.8626和0.8458,均方根误差RMSE分别为13.1669和12.5671。 （2）采集三白瓜外部的数字图像,通过图像处理测得三白瓜图显三轴尺寸,经标定后与实际测得的三轴尺寸进行比较,相对误差最大为3%,最小为0.26%。利用图像处理技术提取三个颜色特征值和六个纹理特征值,并对三白瓜外部存在的缺陷进行了提取与分析。结果表明,颜色特征值中RGB各分量平均值分别是58.52、58.74和47.87。纹理特征值中,图像平均亮度度量平均值是57.51,图像标准偏差度量平均值是76.23,图像平滑度度量平均值是0.082,图像三阶矩度量平均值是4.47,图像一致性度量平均值是0.39,图像熵度量平均值是3.41。通过45天连续密度监测,得出三白瓜密度曲线以及密度临界值,其中密度临界值为0.85。 （3）通过因子分析利用五种内部品质指标和颜色特征、纹理特征九个外部特征值分别建立了表征三白瓜内部和外部综合品质指标。结果表明,内外部品质指标均可归为两个公因子,内部累计方差贡献率82.290%,外部累计方差贡献率94.501%,内部品质综合得分=0.2333×λ1+0.2572×λ2+0.2735×λ3+0.2376×λ4+0.2619×λ5。外部综合得分=0.1183×β1+0.1645×β2+0.1649×β3+0.0388×β4+0.0779×β5+0.0558×β6+0.1265×β7+0.1071×β8+0.1050×β9。 综上所述:基于高光谱的三白瓜内部品质检测和基于数字图像处理技术三白瓜外部品质检测是科学的、可行的,研究成果一方面测定和完善了三白瓜内外部各指标数据,另一方面也为其他果蔬内外部品质检测提供了参考和借鉴。

关键词： 就地热再生沥青混合料   沥青混合料均匀性   数字图像处理技术   配合比设计   人工神经网络  

摘要： 随着我国社会经济的高速发展,城市道路建设被赋予了里程更长、质量更高的要求,意味着在重视道路修建过程的基础上,还需着力于保障道路后续的养护工作。目前,为了响应“碳达峰”“碳中和”的发展理念,全产业都应当走绿色低碳的高质量发展道路,资源的循环利用已经成为未来发展的必然趋势。拥有比厂拌热再生技术更快捷、利用率更高、再生效果更好的道路就地热再生技术在实际养护过程中的应用优势愈发明显,其优越的性能也引起了全世界学者的关注。然而,对于现有就地热再生沥青混合料,其再生深度只有20～50mm,工程中很容易出现混合不均匀的问题。 因此,本文以G308文石线齐河段中大修工程以及沥青路面热再生养护工程为研究对象,在设计了就地热再生沥青混合料配合比的基础上,对就地热再生沥青混合料温度均匀性进行了全面研究,为改善沥青路面质量和施工效率提供了重要的理论基础和实践指导。具体研究内容如下: 首先,对研究背景、国内外相关研究现状和存在的问题进行了概述,揭示了当前研究的空白和挑战,并详细阐述了本文的研究内容和解决方案。其次,介绍了沥青混合料特性、再生原理以及数字图像处理技术的原理与方法,为后续研究提供了理论基础和方法支持。在G308文石线就地热再生沥青混合料的配合比设计中,通过工程概述和钻芯取样调查,确定了新旧沥青混合料的使用比例,并提出了添加可再生溶剂的建议以修复老沥青的特性。随后,通过对沥青老化机制和新沥青、再生剂的性能分析,确定了最佳的再生剂掺量和设计级配,以确保沥青混合料的稳定性和耐久性。在基于图像处理技术的温度均匀性研究中,建立了温度预测模型和评价指标体系,对沥青混合料的加热均匀性进行了系统分析和评估,通过试验和分析确定了最佳的加热方式。最后,对沥青混合料的加热均匀性进行了更深入的研究,选择了环扇形划分法,并提出了相应的均匀性评价指标。通过正交试验,确定了各因素对沥青混合料均匀性的影响规律。

关键词： 水表识别   数字图像处理   深度学习  

摘要： 目前生活中广泛使用传统机械水表,主要通过人工抄表方式获取该类水表用水量,此种方式存在以水谋私行为,即不按用户实际用水量进行查抄,导致多收或少收问题严重。针对此需求,本文与合作公司提出了水表读数自动识别方案,抄表员现场拍摄水表照片并上传服务器,通过智能识别算法获取用水量。本文针对水表图像混合、图像倾斜、读数区域易受干扰等问题,研究了水表图像自动筛选与分类算法、指针式水表读数自动识别算法、数字式水表读数自动识别算法。具体工作如下: 针对真实上传抄表图像中存在非水表图像、指针式水表图像、数字式水表图像混合的问题,提出一种水表图像自动筛选与分类算法。首先根据真实抄表图像制作水表筛选分类数据集;其次采用随机翻转、色彩抖动、添加噪声等数据增强方法来增强数据集的多样性,提升模型鲁棒性和泛化能力;最后综合考虑筛选与分类的准确率、推理时间大小等因素,建立了基于Mobile Net V3网络的水表图像自动筛选与分类算法。实验验证所提算法的有效性,能满足应用需求,算法输出结果作为后继章节数据来源。 针对指针式水表图像倾斜而导致的读数错误的问题,提出一种指针式水表读数自动识别算法。首先对图像进行预处理以提高图像质量,根据指针式水表的形状特征设计旋转矫正方法,根据子表盘位置特征确定子表盘所代表的计数单位并进行排序;其次采用大津法(Otsu)来提取指针并进行分割;最后采用Hough变换圆检测来确定指针尾部坐标,采用Shi-Tomasi角点检测来确定指针顶点坐标,根据两点坐标关系计算夹角确定指针读数。实验结果表明所提的识别方法对不同倾斜角度的指针式水表读数识别准确率达到94%,满足实践应用要求。 针对数字式水表读数识别易受非读数区域干扰的问题,提出一种数字式水表读数自动识别算法。首先根据筛选分类好的数字式水表图像制作字轮区域数据集;其次采用原始YOLOv5模型对字轮区域进行检测并确定字轮区域中心坐标,采用Hough变换圆检测确定表盘圆心坐标,根据数字式水表的形状特征与检测到的字轮区域中心坐标、表盘圆心坐标进行旋转矫正,并截取字轮区域,通过得到的字轮区域图像制作0～9、0+～9+共20类别数字字符数据集;最后基于改进的YOLOv5模型来完成数字水表读数的自动识别。实验结果表明本文识别方法在对任意数字式水表图像识别准确率达到96.4%,验证所提方法的有效性。

关键词： 机器学习   数字图像处理   图像识别   散射光分析   等离子纳米颗粒  

摘要： 局部表面等离子共振(LSPR)效应在纳米等离子体颗粒上引起的关注主要源于其在生物标志、成像和药物输送等领域展示的潜能。通过结合暗场显微镜技术,等离子体共振散射成像在分析检测和动态响应监控中显示出卓越的性能,为生物学、化学和光子学等领域的发展提供了广泛的可能性。但是在分析等离子体纳米单颗粒的成像分析中,该成像技术仍存在一定的局限性,如:在动态反应过程的检测中,等离子纳米单颗粒成像分析往往面临着置信度不高的挑战。这主要是因为成像结果的解读和分析在很大程度上依赖于研究者的经验,导致分析结果存在一定的随机性和主观性;在等离子纳米单颗粒散射信号微弱的情况下,信号的提取和解析变得异常困难,往往难以进行有效的分析,从而影响了结果的准确性和可靠性。 因此,为了解决等离子体纳米单颗粒散射成像的局限性问题,针对上述两个问题,本文提出了对应的机器学习与数字图像处理的算法,主要工作有以下三点: 1.针对单颗粒散射成像数据集匮乏的问题,本文构造等离子体纳米单颗粒数据集。建立等离子体纳米粒子数据集的过程开始于等离子体纳米粒子实验制备阶段,采用DFM成像技术收集必要数据。针对实验需求,不断优化数据采集系统及其过程,对收集的数据进行整理、分割和标记,创建了完整的等离子体纳米单颗粒数据集。这一数据集将为进一步的单粒子散射分析模型提供稳定的数据基础。 2.针对单颗粒选择存在随机性的问题,本文提出CGM(CAE-GMM-MDS)算法。本文使用所提出的机器学习算法来选择具有代表性和多样性的粒子。通过卷积神经网络自动编码器(CAE)自动有效地识别散射光并进行特征提取。并将基于池顺序主动学习的采样方法结合无监督学习来选择样本,本文使用高斯混合模型(GMM)对散射光的特征进行聚类并标记样本特征。最后,可以根据多维尺度(MDS)空间中每个簇与特征中心之间的距离来选择具有代表性和多样性的单颗粒。本文模型可以有效地识别单颗粒散射光,监测电流交换过程,从而对反应进行更精确的分析和跟踪。此外,应用于DFM成像汞离子的检测,可以有效降低实验分析误差。 3.针对单颗粒信号微弱造成分析困难的问题,本文采用Canny清晰度引导的随机共振增强算法(Canny Sharpness-Guided Stochastic Resonance Enhancement,CSG-SRE)的算法。通过计算机模拟随机共振以达到增强成像信号的效果。将每个像素视为离散粒子,转化RGB图像为HSV颜色空间,其强度值V作为双势阱系统中粒子运动的动力学参数。设置双势阱函数的初始参数,使用Euler–Maruyama迭代离散化方法迭代求解双势阱函数,解得为模拟随机共振增强后的图像,并设计图像清晰度指标限制迭代次数以确保图像质量。本文将该算法应用于等离子纳米单颗粒粒径分析,提高了图像的可见性和成像质量,有助于提升分析效果,并通过机器学习算法进行分类,有效提升了分类精度。

关键词： 数字图像处理   图像去雾   大气散射模型   深度学习   多尺度网络  

摘要： 针对有雾的场景中图像采集系统采集到的图像会出现细节缺失、色彩暗淡、亮度降低的问题，在一体化去雾网络（AOD）理论的基础上提出一种多尺度编码-解码神经网络（MSAOD）模型进行图像去雾。本文网络模型分为3个模块：(1)预处理模块，将输入图像分为2部分进行预处理；(2)主干模块，通过多尺度编码器-解码器对第1部分的输出进行特征提取；(3)后处理模块，对特征图进行映射操作。通过训练得到去雾图像，实验结果表明，本文方法要优于主流的深度学习和传统方法的图像去雾效果，去雾后的图像在细节、色彩和亮度等方面都有所优化。

关键词： 光学遥感图像   深度学习   数字图像处理   小目标检测  

摘要： 遥感(remote sensing)即“遥远的感知”,就是远距离采集目标对象的数据,并对这些数据进行分析处理以获取目标的有关信息的技术。遥感可采集的目标数据形式多种多样,包括电磁波,力,声波等等。得益于航天技术的迅猛发展以及光学遥感装备的快速迭代升级,光学遥感图像的最高分辨率已经达到一米以内。这些光学遥感图像包含着丰富的信息等待本文挖掘,因此如何从这些光学遥感图像中快速且准确的提取信息是现如今研究的关键。光学遥感图像的应用之一是目标检测,即根据飞机、卫星和空间站等空间载体所传回的遥感图像来检测被拍摄到的物体,比如飞机、轮船、道路、港口和仓库等等。对遥感图像进行目标检测在我国军事、国防、交通、野外救援、追踪定位等领域有着巨大的价值。 随着计算机硬件性能和技术的提升,基于深度学习的算法在自然图像目标检测领域取得了亮眼的表现。但是这些表现不错的算法应用于遥感图像目标检测任务中却表现的不尽如人意。这是由光学遥感图像自身的一些特点导致的,比如:(1)高分辨率遥感图像范围巨大,导致目标在图像中面积占比非常小;(2)遥感图像的背景复杂,天气状况也会影响图像质量;(3)遥感图像的鸟瞰视角也与自然图像有所不同等。由于卫星及飞机这类空间载体距离地面十分遥远,在光学遥感图像中大量的物体都显得十分微小,即小尺度目标在光学遥感图像中是广泛存在的,这也是这些算法在遥感图像目标检测任务中表现不佳的主要原因之一。 现在常用的框间相似度评价标准是针对正常尺度的物体设计的,因此这些评价标准对于小目标并不友好,会导致小目标的预测框与真实框的相似度得分偏低。所以算法更容易忽视掉这些小目标的预测框,进而影响了后续标签分配过程,最终造成了目标检测算法在小目标占比更高的遥感图像中的表现大幅下降。因此针对这个问题,本文设计了新的样本选择策略(Revision of Hellinger Distance and Flexible Label Assignment,RHD-FLA):本文将矩形框转化成二维高斯分布,这样就可以使用两个高斯分布之间的Hellinger距离来度量两个矩形框之间的相似度。因为分布间的Hellinger距离不会降低为零,且下降速度更加平滑,这使得小目标物体的框间相似度得分更高,而且和大目标物体的框间形似度得分在相同情况下的差距在更合理的范围内。所以使用Hellinger距离度量时,小目标和大目标都可以得到更客观的评价。同时为了解决框间相似度评价标准不合理带来的正负样本不均衡问题和不同尺度间样本数量不均衡问题,本文提出新的标签分配策略(Flexible Label Assignment,FLA)来配合Hellinger距离以达到更好的效果。由于小目标的框间相似度得分普遍偏低,传统的按照阈值来划分正负样本的策略显然不适合小目标。因此按照排序来分配正负样本是更适合小目标的标签分配策略。 为了验证本文方法的有效性,本文做了如下实验:(1)有效性实验:选取5个目前最常见的目标检测网络模型,比较其基准网络精确率以及更换为本文提出的RHD-FLA策略的网络模型的精确率来证明本文算法的有效性;(2)消融实验:将本文提出的RHD-FLA算法中的两个组成部分RHD,和FLA分别部署进基准网络模型来验证这两个组成对精确率的影响;(3)鲁棒性实验:在另外的两个数据集中进行实验,以验证算法的普适性和鲁棒性。 在本文所选用的五个常用目标检测网络中,将其中的样本选择策略更换为本文所提出的RHD-FLA策略后,对整体精确率提升分别达到了11.8%,10.9%,7.9%,12.6%和3.6%。而对于非常微小的物体,四种基准网络的精确率是0%,一种网络的精确率是2.5%,而更换为RHD-FLA算法后,精确率提升至7.4%,7.5%,6.1%,8.1%和6.5%。根据上述本文所设计的实验的结果分析,本文所提出的新的样本选择策略RHD-FLA算法能够有效的提升现有的常用目标检测网络模型对小尺度物体的检测准确率,同时在不同的数据集中的表现都比基准网络要更好,也能证明该算法的鲁棒性和普适性。

关键词： 带钢   缺陷识别   宽度学习系统   数字图像处理   残差结构  

摘要： 带钢作为一种应用广泛的工业产品,其质量问题关系重大。然而,由于受到生产过程中复杂因素的影响,带钢易出现表面缺陷。及时发现缺陷,不仅有助于工厂改进生产工艺,也能够尽早消除安全隐患。随着计算机视觉的发展,带钢表面缺陷识别逐渐由人工方法转换为自动化方法。但是,目前应用较多的深度学习模型训练用时过长、硬件需求过高,这导致其很难在中小型工厂中部署应用。针对这种现状,本文围绕宽度学习系统展开研究,探索兼顾高准确率、低训练用时和低硬件需求的带钢表面缺陷识别方法,主要内容包括: (1)通过将卷积编码器和宽度学习系统有效衔接,提出了能够大幅节省训练用时的卷积宽度学习系统。该模型借助卷积结构进行缺陷图像特征提取,并使用宽度学习系统对格式转换后的特征矩阵进行高效学习,输出测试样本的识别结果。之后,为进一步提升模型的识别准确率,在卷积宽度学习系统中引入Dropout增量学习。实验结果表明,在三个带钢表面缺陷数据集上,新模型的识别准确率均保持在95%以上,高于所有对比模型。而在训练用时方面,与速度最快的深度模型相比,新模型能够节省近1/3的时间。增量学习实验中,具有Dropout机制的模型的准确率呈上升趋势,与出现过拟合现象的原始增量学习模型对比明显。 (2)为进一步减少训练用时、降低硬件需求,同时针对前期实验中发现的问题进行解决,提出了基于残差级联宽度学习系统的识别模型。在图像预处理阶段,使用顶帽变换和底帽变换应对缺陷图像的光照不均匀情况。而对于样本类间相似性高、类内差异性大的特点,该模型通过离散剪切波变换联合灰度共生矩阵的数字图像处理方法进行缺陷特征提取,并借助主成分分析选择特征。同时,为级联宽度学习系统加入残差结构,解决其在训练过程中随着模型宽度增加而出现的退化问题,充分发挥变体模型的性能优势。实验结果表明,新模型能够达到与主流模型相近的识别准确率,而其训练用时仅为速度最快的深度模型所用时间的1/7左右。此外,由于不包含任何深度结构,该模型能够在未配备GPU的计算机中顺利部署应用。 两种模型基于不同的思路,使用不同的方法进行缺陷特征提取,通过不同的宽度学习系统进行识别输出。其解决了现有带钢表面缺陷识别模型训练用时长、硬件需求高的问题,在中小型工厂中具有实际应用价值。

关键词： 深度学习   数字图像处理   生成对抗网络   注意力机制   YOLO  

摘要： 随着我国现代化进程的不断推进,地铁隧道作为现代城市轨道交通系统的重要组成部分,其存在着大量的运维工作需要完成。地铁隧道由于受到地质条件、施工技术、施工材料等多重因素的影响,容易出现大量的结构病害。为满足公众正常出行的需求,地铁隧道的检测与维护必须在有限的“空窗期”内完成,因此及时且高效地对地铁隧道进行病害检测意义重大。在多种隧道衬砌结构病害中,衬砌裂缝是最为常见且最具威胁的一类病害。本文针对地铁隧道传统人工巡检存在的低效率、高成本、低准确率等问题,提出了一种基于深度学习的地铁隧道裂缝检测方案。 本文的主要工作如下: (1)对采集获得的隧道裂缝数据集利用传统数字图像的方法进行预处理与数据增强,构建出原始数据集。 (2)为解决裂缝检测模型训练样本匮乏的问题,利用DCGAN(Deep Convolutional Generative Adversarial Network)对原始数据集进行无监督的数据扩容,并针对DCGAN训练难、易发生模式崩溃、生成图像质量差、训练不稳定等问题对模型做出了改进:在DCGAN中加入卷积注意力模块(CBAM,Convolutional Block Attention Module),使模型同时兼顾对图像局部特征、通道特征与空间特征的学习;通过设计生成器与判别器残差块替换DCGAN中的卷积与反卷积模块加深模型的网络深度,进一步增强模型的特征学习能力并预防模型发生退化与过拟合;将原始DCGAN的损失函数替换为Wasserstein-GP(Wasserstein-Gradient Penalty)以提升模型训练的稳定性;通过实验对比改进后的DCGAN模型与原始DCGAN模型,并验证了改进的DCGAN模型所生成的图像在IS(Inception Score)和FID(Fréchet Inception Distance)指标上均优于原始DCGAN。 (3)对基于深度学习的主流目标检测算法进行了对比,鉴于隧道裂缝检测对于实时性与精确性的需求,最终选用了YOLOv8作为隧道裂缝检测的基础模型并对其做出了改进:将YOLOv8主干网络中用于适应不同尺度特征的SPPF(Spatial Pyramid Pooling in Fully Convolutional Networks)模块用ASPP(Atrous Spatial Pyramid Pooling)代替,使其可以更好的捕获不同尺寸下的隧道裂缝特征。最终通过实验证明,改进后的YOLOv8其在隧道裂缝检测m AP@0.5(mean Average Precision)与mAP@0.5:0.95上分别提升了3.4%与2.5%。

关键词： 岩石力学   弹塑性相场模型   数字图像处理   非关联塑性本构   三轴压缩   裂纹扩展   细观力学  

摘要： 花岗岩的细观非均质性对其损伤破坏行为有着重要影响。基于热力学原理和力与能量平衡方程，在经典相场模型框架内引入适合岩石类材料的非关联塑性本构关系，构建弹塑性相场模型，通过与解析解和试验数据对比，验证了其正确性和可靠性。在此基础上，采用数字图像处理建立符合真实细观结构的花岗岩非均质数值模型，并对其三轴压缩试验进行数值模拟，在细观尺度预测其宏观力学行为以及分析岩石裂纹扩展机制。研究结果表明：通过与试验数据和传统弹脆性相场模拟结果对比，建立的基于花岗岩真实细观结构的弹塑性相场模型可以很好地捕捉其宏观非线性力学行为；花岗岩的内部裂纹的起裂、扩展以及局部应力场的分布会受到矿物颗粒的力学性质、几何形状及分布的影响。该研究方法为今后研究岩石多尺度损伤破坏问题提供一种简单有效的途径，对评价地下工程中围岩力学性质有着重要的工程实践意义。

关键词： 图像处理   高超声速   横向喷流   平面激光诱导荧光技术  

摘要： 横向喷流是航空航天领域一种广泛使用的姿态/轨道控制技术,它利用气流的反作用力来调整飞行器的姿态/轨道,具有响应速度快、控制精度高和效率高等优点。高超声速来流环境下,横向喷流与主流会形成复杂的非定常流动结构,其控制规律的影响因素众多,缺乏有效地面试验的验证。非接触式光学测量方法不会干扰流场,可提供相对丰富的喷流干扰实时信息,在地面风洞实验中被广泛应用。但由于环境因素和测量设备自身的限制,原始图像包含噪声和干扰,部分工况下对比度低,影响图像质量和数据准确性,有必要对图像进一步处理和挖掘。因此,本文基于数字图像处理技术对高超声速来流条件下横向喷流干扰进行了研究,设计并搭建了纹影系统和平面激光诱导荧光(planar laser-induced fluorescence,PLIF)系统,并对不同参数条件下喷流干扰流场结构进行图像分析。论文主要研究内容如下: (1)基于中国科学院力学研究所JFX爆轰驱动激波风洞搭建了喷流实验平台、PLIF系统和纹影系统,对PLIF和纹影测试系统的工作原理进行了详细阐述,对PLIF测试系统进行了系统优化,重点解决了系统时序控制问题,确保测试系统在喷流试验中稳定工作,通过光学测量技术,获取了高时空分辨率的流场图像。 (2)基于MATLAB开发了纹影和PLIF图像处理程序,开展了图像处理方法研究。针对图像中存在的噪声,组合使用了多种滤波算法,对图像进行去噪处理;针对低密度来流条件下纹影图像对比度较低的问题,采用伪彩色增强、对比度拉伸等方法进行图像增强;结合统计分析,对空间像素点灰度的时间序列纹影图像求均方根来获取流动的脉动信息。通过图像处理程序,获得了更加清晰、准确和高信噪比的图像数据。 (3)在高超声速来流/超声速喷流条件下,对不同喷流压比、不同攻角的流动结构进行了研究,获得了横向喷流干扰的精细流动结构图像,在此基础上研究了时间平均的流场结构特征,得到了流动结构随时间的演化特性以及瞬态流场结构。研究表明:在0°攻角条件下,喷流压比的增加显著提升了喷流的穿透能力,同时扩大了其对流场的干扰范围,导致弓形激波和桶状激波的高度增加。相同喷流压力条件下,随着攻角增大,来流方向改变,影响喷流与来流的相互作用,横向喷流形成的激波结构发生变化,干扰流场范围更大。