文献

J-GLOBAL ID：202202218434088996   整理番号：22A0323596

動的エマルション安定性測定のための先進深層学習【JST・京大機械翻訳】

Advanced deep learning for dynamic emulsion stability measurement

著者 (3件)： Patil Amit (Flow Technology Group, Process Technology Department, SINTEF Industry, S.P. Andersens vei 15b, Trondheim 7031, Norway) ,  Saegrov Bendik (Process Metallurgy and Raw Materials Group, Metal Production and Processing Department, SINTEF Industry, S.P. Andersens vei 15b, Trondheim 7031, Norway) ,  Panjwani Balram (Process Metallurgy and Raw Materials Group, Metal Production and Processing Department, SINTEF Industry, S.P. Andersens vei 15b, Trondheim 7031, Norway)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 157  ページ： Null  発行年： 2022年 
JST資料番号： H0199C  ISSN： 0098-1354  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分散挙動を特性化するために,流体-流体系における分散を可視化するために,顕微鏡プローブを用いた。先進的多段フィルタHough法及び深層学習ベースニューラルネットワーク法(Faster R-CNN)を画像集合上の液滴検出性能に対して比較した。比較は独立マニュアル分析に関して行った。液滴検出性能分析のための試験分析を調製した。Faster R-CNN法は,先進フィルタHough法に比べて,より良好に機能した。Faster R-CNNは,液滴サイズ測定における視覚または手動検出標準に関して12%の測定誤差内にあった。この標準化法を用いて,液滴安定性パラメータを評価するためのExxsol D80油と水乳濁液を分析した。慣性サブレンジにおける正確な液滴安定性係数を分散相分率への依存性と共に評価した。Exxsol D80油と水系の液滴緩和時間スケールを測定し,可能な報告を報告した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *液滴 ,  界面 ,  視覚 ,  パターン認識 ,  フィルタ ,  標準化 ,  乳濁液 ,  可視化 ,  緩和現象 ,  コンピュータビジョン ,  液滴径
準シソーラス用語： *乳化安定性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 表面化学 ,  油-水エマルション ,  界面安定性 ,  パターン認識 ,  高速R-CNN ,  コンピュータビジョン ,  Hough変換 ,  円検出

分類 (3件)： 反応操作(単位反応)  (XE01040I) ,  装置内の流れ  (XD01010Y) ,  蒸留,蒸発  (XD02010F)

タイトルに関連する用語 (2件)： エマルション安定性 ,  深層学習