一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取方法

一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取方法，涉及一种多相流液多维信息提取方法，该方法包括建立基于自主改进的YOLOv11的卷积神经网络模型，将湍流状态下变形程度高、重叠度大、偏移角度大的多维复杂气泡/液滴图像作为数据集；进一步对气泡/液滴图像进行自动定向、尺寸缩放、灰度转换、裁剪和隔离对象等数据预处理流程；根据图像所含不同信息设置不同的主干数量，利用注意力机制精准提取特征；此外，将提取的信息组合后传入下一层参与后续卷积重组；本发明通过在各主干通道中嵌入耦合的C2DAT(Cross StagePartial NetworkwithDeformableAttentionTransformer)模块，实现了提高信息提取性能和减少计算量的目标，使模型更加轻量化，以适应低算力环境。