基于深度学习和光场成像的火焰三维温度场重建算法

作     者：张杰 齐琪 韩哲哲 李健 张彪 许传龙 Zhang Jie;Qi Qi;Han Zhezhe;Li Jian;Zhang Biao;Xu Chuanlong

作者机构：东南大学能源与环境学院南京210096 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2021年第51卷第6期

页      面：1060-1067页

核心收录：

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金资助项目(51976038) 江苏省重点研发计划(社会发展)资助项目(BE2020691) 

主　　题：光场成像 温度场 深度学习 卷积神经网络 重建方法 

摘      要：提出一种基于深度学习和光场成像的火焰三维温度场快速重建算法.该算法利用卷积神经网络对火焰光场图像进行深层特征提取,建立了光场图像与三维温度场之间的映射关系,从而实现火焰三维温度场的快速重建;利用视在光线法构建了火焰光场图像和三维温度场数据集,对卷积神经网络进行训练,利用测试集对训练结果进行了验证和评价,并将卷积神经网络算法与传统非负最小二乘(NNLS)算法的重建结果进行了对比.结果表明,基于深度学习和光场成像的火焰三维温度场重建算法可准确重建火焰温度场,同时具有较高的计算效率(火焰的网格划分为10×8×15,NNLS算法的重建时间为4759 s,深度学习算法的重建时间为830μs),平均相对误差为0.14%,且对于图像噪声具有良好的鲁棒性.