Development of 4D light field measurement technique with machine learning

利用机器学习开发4D光场测量技术

• 批准号: 22K03922
• 负责人: 川口 達也
• 金额: $ 1.5万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K03922/
• 关键词: 機械学習; CNN; ライトフィールド画像; GPU; EPINET; ディープラーニング; ライトフィールド; 熱流動; 光学計測

複雑乱流場，温度や濃度移流の存在する工業上重要な流れ場の計測においては，その３次元性，非定常性が重要とされているが，現在利用可能な計測ツールとして，多次元時系列データ取得デバイスである高解像度・高感度・高速度カメラが幅広く用いられているが，本質的に二次元撮影法であるため，乱流現象が内包する３次元場の捕捉が困難であり，その本質に実験的に迫ることは困難とされてきた．本研究では，流動場から計測光学系に到達する光線の 4 成分（光線場）を完全に記録するライトフィールド撮影法を開発し，機械学習を用いて旧来，面撮影に制限されていた速度場，温度場，濃度場等の流動を特徴付ける物理量を真に凍結して，レーザシート平面だけではなく屈曲した任意形状面上の物理量分布を 3 次元時系列計測が可能な手法を開発することにより，複雑熱流動の多次元複合計測を行い，数値解析に供される乱流モデル検証や，実験による物理現象の解明に寄与する計測手法の開発，実流動場への適用，さらには複雑流動現象の解明を目的としている．研究期間初年度において，ライトフィールド画像の機械学習への入力画像として最適な画素数や最適な可能なマイクロレンズサイズ，空間配置などを比較検討し，機械学習の入力層である畳み込み層への入力に適した画像の性質について検討した．また，既存の機械学習モデルをベースに，まずはライトフィールド画像から多視点画像を複数生成し，既存のEPINETモデルを用いた機械学習に適用した結果，入力層の削減可能性や多視点画像の数を変化させた場合の奥行き判定制度を定量的に評価した．

Complex 雑 turbulence field, temperature advection や concentration の is す る industry important な の れ field measuring に お い て は, そ の 3 dimensional, non steadiness が important と さ れ て い る が, now use may な measuring ツ ー ル と し て, multidimensional time series デ ー タ obtain デ バ イ ス で あ る high resolution, Gao Gan degrees, high speed カ メ ラ が picture hiroo く with い ら れ て い る が, Nature に secondary yuan pinch of shadow method で あ る た め, turbulence phenomena が insourcing す る three dimensional field の capture が difficult で あ り, そ の nature に be forced the 験 に る こ と は difficult と さ れ て き た. This study で は, flow field か ら meter metering department に reach す る light の 4 components (light) を に records completely す る ラ イ ト フ ィ ー ル ド pinch of shadow method を open 発 し, rote learning を with い て to old, face the limitations of shadow に さ れ て い た velocity field, temperature field and concentration field of を の flow characteristics of 徴 pay け る quantities を really に freeze し て, レ ー ザ シ ー ト plane だ け で は な く buckling し た の physical quantity distribution on the surface of any shape を series of three dimensional measuring が may open な gimmick を 発 す る こ と に よ り, complex thermal flow 雑 の multidimensional composite measuring を い, the numerical analytical に for さ れ る turbulence モ デ ル 検 や, be 験 に よ る physical phenomena の interpret に send す る measuring technique の 発, The actual flow field へ へ is applicable, and the complex 雑 flow phenomenon さらに is explained for the を purpose of と て て る る る る. During the study period at the beginning of the annual に お い て, ラ イ ト フ ィ ー ル ド portrait の rote learning へ の portrait into force と し て optimum な could prime the optimal な や な マ イ ク ロ レ ン ズ サ イ ズ, space configuration な ど を beg し 検, rote learning の layer into force で あ る 畳 み 込 み layer へ の に into force optimum し た portrait の nature に つ い て beg し 検 た. ま た, existing の rote learning モ デ ル を ベ ー ス に, ま ず は ラ イ ト フ ィ ー ル ド portrait か ら multi-view portrait を plural generated し, existing の EPINET モ デ ル を with い た rote learning に applicable し た as a result, the layer into force の cut possibility や multi-view portrait の number を variations change さ せ の た occasion Mr き judgement system を に of quantitative evaluation of 価 し た.