【论文阅读】基于人工智能目标检测与跟踪技术的过冷流沸腾气泡特征提取

Bubble feature extraction in subcooled flow boiling using AI-based object detection and tracking techniques
基于人工智能目标检测与跟踪技术的过冷流沸腾气泡特征提取
期刊信息：International Journal of Heat and Mass Transfer 2024
级别：EI检索 SCI升级版工程技术2区 SCI基础版工程技术2区 IF5.2
原文链接：https://doi.org/10.1016/j.ijheatmasstransfer.2024.125188
演示视频：https://github.com/zhouzhouwen/Bubble_detection_and_tracking

气泡检测方法

本研究采用了2023年6月开发的最先进的基于CNN的YOLOv8。它表现出速度和精度的卓越平衡，从而将其建立为广泛任务的最佳选择，包括目标检测，目标跟踪，实例分割，图像分类和姿态估计。

基于YOLOv8的气泡检测算法由主干和头部两部分组成，如下图所示，主干组件作为特征提取器，用于从输入图像中提取高级特征。它从根本上使用了CSPDar - knet53特征提取器，并通过脚手架金字塔池特征(SPPF)层和额外的卷积层处理多个尺度的气泡特征图。C2f模块将这些高级特征与上下文信息相结合，从而提高了模型的气泡检测精度。header组件首先通过Concat层处理骨干生成的气泡特征映射，然后进行卷积和上行采样等操作。这些最后的结果然后被输入到Detection模块，最终输出气泡边界框、气泡类和分布焦点。头部结构针对速度和精度进行了优化。除了这些主要组件之外，YOLOv8还加入了Upsample和Concat层等辅助层，它们分别提高了特征图的分辨率，并促进了不同层特征图的组合。这些附加层共同提高了气泡检测算法的效率和有效性。

在YOLOv8的损失最小化过程中，Detect