BubbleID: A Deep Learning Framework for Bubble Interface Dynamics Analysis

끓는 이미지를 통해서 버블의 위치, 크기, 모양, 속도 등 정적/동적 속성을 식별하는 모델.
끓는걸 왜 연구하는지 찾아봣는데 ... 열 관리 성능을 향상시키기 위해서? 라고 합니다 나도 잘 모르겠음...
암튼 그래서 버블을 추적하면 전체적인 열 전달 성능을 이해할 수 있게 된다고 한다. 예를 들어서 버블의 속도를 분석하면 버블이 어떻게 확장되는지 알고 모델을 검증할 수 있게 된다고 한다 (?)

방법은 Mask R-CNN으로 segmentation 진행하고 OC-SORT로 tracking 하였다.
다양한 가열 표면과 작동 조건에서 테스트 되었음.
또한 critical heat flux 조건 있/없의 버블 동역학에 대한 비교 분석 진행.
critical heat flux는 끓는 표면이 증기로 덮이기 시작하는 지점을 말한다.
이때 열전달이 급격하게 감소하고 표면 온도가 급격하게 상승하는데 이때 고장날 위험이 높아서 추후에 시스템 설계할 때 굉장히 중요하게 고려해야 한다고 함.

critical heat flux 조건 이전에는 버블 최대 속도 증가 곡선이 안정적이지만 이후에는 더 큰 변동을 보였음. critical heat flux 상태를 식별하면 알아챌 수 잇음.

사용한 데이터셋
다양한 표면과 조건에서 수집되었음

결과:
dataset1에서 AP는 50%, AP50은 74%, AP75 는 57%정도.
dataset2에서 AP는 43%, AP50은 72%, AP75는 44%% <- 얘는 훈련에 사용되지 않은 데이터셋