← أحدث الأبحاث
⚡ الهندسة الكهربائية

On the Determination of Diameter and 3D Position of Spray Droplets Using Astigmatic Shadowgraphy and Deep Learning

تقدم هذه الورقة إطار عمل للتعلم العميق بكاميرا واحدة يجمع بين تقنية التصوير بظلال الستيجما (astigmatic shadowgraphy) وشبكات YOLO وVGG16 لتقدير قطر الموضع ثلاثي الأبعاد لقطرات الرش بدقة، محققةً دقة عالية على البيانات التجريبية رغم تدريبها حصرياً على صور اصطناعية.

المؤلفون الأصليون: Mohammad Mehdizadeh Youshanlouei, Alex Ravaioli, Fahrettin Gökhan Ergin, Gabriele Bellani, Massimiliano Rossi

نُشر 2026-09-21
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Mohammad Mehdizadeh Youshanlouei, Alex Ravaioli, Fahrettin Gökhan Ergin, Gabriele Bellani, Massimiliano Rossi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم ديناميكا السوائل، يعد فهم كيفية تفتت السائل إلى قطرات صغيرة أمراً ضرورياً لكل شيء، بدءاً من تزويد محركات الطائرات بالوقود وصولاً إلى إيصال الدواء عبر أجهزة الاستنشاق. فعندما يتم إطلاق رذاذ ما، فإنه لا يكون ضباباً متجانساً، بل سحابة فوضوية من الجسيمات ذات الأحجام المتفاوتة التي تطير في الفضاء. وللتحكم في هذه العمليات، يحتاج العلماء ليس فقط لمعرفة حجم القطرات، بل وأيضاً إلى معرفة موقعها بدقة في الفضاء ثلاثي الأبعاد. يمكن للكاميرات التقليدية قياس حجم القطرة بسهولة إذا كانت في بؤرة تركيز حادة، لكنها تواجه صعوبة في تحديد مدى بعدها إذا كانت ضبابية. وعادةً ما يتطلب حل هذا اللغز تجهيزات معقدة تضم كاميرات أو ليزرات متعددة، وهو أمر قد يصعب استخدامه في البيئات الصناعية الواقعية.

لقد طور فريق من الباحثين في جامعة بولونيا وشركة "Dantec Dynamics" طريقة أبسط لحل هذه المشكلة باستخدام كاميرا واحدة ونوع جديد من الذكاء الاصطناعي. فقد أخذوا نظاماً قياسياً يُستخدم لتصوير الرذاذ وأضافوا إليه قطعة واحدة من الزجاج، وهي عدسة أسطوانية، أمام الكاميرا. تعمل هذه العدسة على تشويه الضوء عمداً، مما يحول صورة القطرة إلى شكل بيضاوي. ويتغير اتجاه وشكل هذا الشكل البيضاوي اعتماداً على ما إذا كانت القطرة أمام نقطة التركيز أو خلفها، مما يحول الضبابية نفسها فعلياً إلى مسطرة دقيقة لقياس العمق. ومع ذلك، فإن قراءة هذه الأشكال المشوهة يدوياً أمر صعب وبطيء. وللتغلب على ذلك، قام الباحثون بتدريب برنامج حاسوبي على التعرف على الأنماط في هذه الصور الضبابية وحساب حجم القطرة وموقعها الدقيق في الفضاء فورياً.

كان التحدي يكمن في أن تدريب الحاسوب على التعرف على قطرات الرذاذ الحقيقية يتطلب عادةً آلاف الصور التي يكون فيها حجم وموقع كل قطرة معروفين مسبقاً. وفي الرذاذ الحقيقي، يستحيل معرفة هذه المعلومات مسبقاً. ولتجاوز ذلك، أنشأ الفريق مكتبة ضخمة من الصور الزائفة، أو الاصطناعية. فقد استخدموا نموذجاً حاسوبياً لمحاكة كيفية مرور الضوء عبر إعداد العدسة الخاص بهم لإنشاء آلاف الصور المثالية والضبابية للقطرات ذات الأحجام والمواقع المعروفة. وقاموا بتدريب شبكتين مختلفتين من الذكاء الاصطناعي باستخدام هذه الصور الاصطناعية؛ حيث عملت الشبكة الأولى، التي تعمل كعين رقمية، على تعلم كيفية رصد القطرات الفردية في صورة مزدحمة وقصها. أما الشبكة الثانية، التي تعمل كالمحقق، فقد قامت بتحليل شكل كل قطرة مقصوصة للتنبؤ بعمقها وقطرها. ومن المثير للاهتمام أنهم دربوا النظام بالكامل باستخدام هذه الصور المولدة حاسوبياً، ولم يعرضوا عليه صورة فوتوغرافية حقيقية واحدة خلال مرحلة التعلم.

وعندما اختبر الباحثون هذا النظام على بيانات من العالم الحقيقي، كانت النتائج دقيقة بشكل مفاجئ. فقد اختبروه أولاً على هدف للمعايرة، وهو عبارة عن لوح زجاجي يحتوي على نقاط ذات أحجام معروفة يتم تحريكها إلى أعماق دقيقة. وقد حدد النظام بشكل صحيح حجم وموقع هذه النقاط، حيث بلغ عدم اليقين في العمق 0.15 ملم فقط عبر نطاق قدره أربعة مليمترات، وبلغ عدم اليقين في الحجم حوالي 2.4 ميكرومتر للقطرات التي يتراوح حجمها بين 20 و100 ميكرومتر. ثم طبقوا نفس النظام المدرب على رذاذ حقيقي من قطرات الماء الناتج عن آلة رذاذ (أيروسول). ودون الحاجة إلى إعادة تدريب أو تعديل، نجح الحاسوب في اكتشاف القطرات في الرذاذ الفوضوي، حتى عندما تداخلت أو كانت محجوبة جزئياً بقطرات أخرى. وقد رسم النظام التوزيع ثلاثي الأبعاد للرذاذ، موضحاً أن القطرات كانت منتشرة بشكل منتظم نسبياً عبر حجم القياس، مع تجمع أحجامها حول ذروة تبلغ حوالي 35 ميكرومتر.

تثبت هذه الدراسة أنه من الممكن تحويل نظام "الغراف" (shadowgraphy) البسيط ذي الكاميرا الواحدة إلى أداة قياس قوية ثلاثية الأبعاد بمجرد إضافة عدسة أسطوانية واستخدام التعلم العميق. ووجد الباحثون أن قدرة الحاسوب على تخمين العمق بناءً على شكل الضبابية كانت قوية، رغم أنه لم يرَ قطرة حقيقية من قبل. وبينما واجه النظام صعوبة طفية عند الحواف القصوى لنطاق القياس حيث يصبح تشويه الصورة شديداً، إلا أنه كان يعمل باستمرار وبشكل جيد في المنتصف. يقدم هذا النهج مساراً مباشماً للصناعات لقياس الرذاذ بدقة عالية دون الحاجة إلى إعدادات مكلفة متعددة الكاميرات، مما يثبت أن القليل من الضباب المتعمد، مقترناً ببرمجيات ذكية، يمكن أن يكشف عن الهيكل الخفي للرذاذ.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →