Measuring Particle Size Distributions in Multiphase Flows Using a Convolutional Neural Network
- The efficiency of many chemical engineering applications depends on the surface/volume ratio of the dispersed phase. Knowledge of this particle size distribution is a key factor for better process control. The challenge of measurements acquired by optical imaging techniques is the segmentation of overlapping particles, especially in high phase fraction flows. In this work, a convolutional neural network is trained to segment droplets in images acquired by a shadowgraphic approach. The network is trained on artificial images and implemented into a droplet size algorithm. The results are compared to an OpenSource segmentation approach.
Verfasser*innenangaben: | Jan Schäfer, Philipp Schmitt, Mark W. Hlawitschka, Hans-Jörg Bart |
---|---|
URN: | urn:nbn:de:hbz:386-kluedo-79538 |
DOI: | https://doi.org/10.1002/cite.201900099 |
ISSN: | 1522-2640 |
Titel des übergeordneten Werkes (Englisch): | Chemie Ingenieur Technik |
Verlag: | Wiley |
Dokumentart: | Wissenschaftlicher Artikel |
Sprache der Veröffentlichung: | Englisch |
Datum der Veröffentlichung (online): | 05.04.2024 |
Jahr der Erstveröffentlichung: | 2019 |
Veröffentlichende Institution: | Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau |
Datum der Publikation (Server): | 05.04.2024 |
Ausgabe / Heft: | 91/11 |
Seitenzahl: | 8 |
Erste Seite: | 1688 |
Letzte Seite: | 1695 |
Quelle: | https://onlinelibrary.wiley.com/doi/10.1002/cite.201900099 |
Fachbereiche / Organisatorische Einheiten: | Kaiserslautern - Fachbereich Maschinenbau und Verfahrenstechnik |
DDC-Sachgruppen: | 6 Technik, Medizin, angewandte Wissenschaften / 620 Ingenieurwissenschaften und Maschinenbau |
Sammlungen: | Open-Access-Publikationsfonds |
Lizenz (Deutsch): | Zweitveröffentlichung |