Processing tangential stress images obtained using liquid crystals

Ikaev N.D.1, Efimova E.V.1, Zhilina E.V.1
1 Ростовский государственный экономический университет (РИНХ), Russia

Journal paper

Informatization in the Digital Economy (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Volume 4, Number 2 (April-June 2023)

Citation:

Indexed in Russian Science Citation Index: https://elibrary.ru/item.asp?id=54118722

Abstract:
There is a problem of processing images of tangential stress fields obtained during the experiment using liquid crystals. These images are complex and may contain a large amount of information that needs to be processed and analyzed. The main problem is the need to extract useful information from such images. This requires special data processing algorithms that can automatically identify areas with tangential stresses of interest. These algorithms can use various methods, such as machine learning, noise filtering and image segmentation. Another problem is the need to analyze the data obtained. Various image analysis and statistical data analysis software can be used for this purpose. Additional experiments may also be required to verify the adequacy of the results obtained and their further interpretation.

Keywords: MatLab, image processing algorithms, liquid crystals, tangential stress, images and graphs



Введение

Сегодня большинство энергоресурсов потребляют огромное количество энергии за счет того, что в большинстве процессов происходит трение или воздействие поршня на механизмы для выработки энергии. Изображения полей касательных напряжений являются важной величиной в механике и выработке энергии с помощью жидких кристаллов, а также зачастую подобную технологию используют в аэродинамике, промышленности, при разработке интегральных схем, печатных плат и другой микроэлектроники. Таким образом, можно получить достаточно полезной информации для всевозможной визуализации и измерения касательного напряжения. Особенно ярко данное преобразование можно увидеть на твердых поверхностях. Данное явление было исследовано в некоторых научных работах французского научно-исследовательского института UMIFRE [1] (Benferhat, Daouadji, Mansour, Henni, 2014), однако в их работе измерение напряжения проводилось с помощью специализированного оборудования, таким образом, ограничивая доступ другим исследователям со схожими интересами изучать данную тематику за неимением должных лабораторных мощностей и инструментов.

Рассматривая данную проблему, можно сказать о том, что подобные исследования в аэродинамике и получении энергии без должных технологий становятся буквально невозможным. Однако с появлением IT данную проблему можно решить и дать возможность другим исследователям в области электроники, энергии и аэродинамики изучать вопросы обработки напряжения при помощи графиков, изображений и специальных обработанных камерой фотографий [6].

Основная часть

Постановка и анализ проблемы. В наше время довольно стремительно идет процесс изучения получения новых видов энергии, но из-за того, что исследователям не хватает должных мощностей и отсутствуют необходимые инструменты и технологии [5, 10], проблема обработки изображений полей касательных напряжений, полученных с помощью жидких кристаллов, является актуальной.

Нами принято решение реализовать desktop-модуль с помощью пакета MatLab (интерфейс GUI), который имеет необходимые элементы и библиотеки для изучения подобного рода поверхностей, а также имеет широкие возможности для работы с данными и графиками. Решение проблемы обработки изображений полей касательных напряжений позволит изучить воздействия на жидкокристаллические поверхности или кристаллы без профессионального лабораторного оборудования.

Проблема обработки изображений полей касательных напряжений, полученных в ходе эксперимента с помощью жидких кристаллов, заключается в том, что данные изображения являются сложными и могут содержать большое количество информации, которую нужно обработать и проанализировать.

Одной из основных особенностей проведения такого анализа является необходимость выделения полезной информации из изображений [3] (Popov, Zhilina, Petrenko, 2022). Для этого требуется использовать специальные алгоритмы обработки изображений, которые могут автоматически выделять области с касательными напряжениями. Эти алгоритмы могут использовать различные методы, такие как машинное обучение, фильтрация шума и сегментация изображений [4, 7].

Другой проблемой является необходимость обработки полученных данных. Для этого может использоваться различное программное обеспечение для анализа изображений и статистических данных. Также может потребоваться проведение дополнительных экспериментов для проверки полученных результатов и их дальнейшей интерпретации [3] (Popov, Zhilina, Petrenko, 2022).

Кроме того, необходимо учитывать, что обработка и анализ изображений полей касательных напряжений является достаточно трудоемкой и временно-затратной задачей, требующей высокой квалификации специалистов в области физики и математики.

Таким образом, проблема обработки изображений полей касательных напряжений, полученных в ходе эксперимента с помощью жидких кристаллов требует разработки и применения специальных алгоритмов обработки изображений и анализа данных, а также привлечения высококвалифицированных специалистов в данной области [9].

Для более детального описания проблемы обработки изображений полей касательных напряжений, полученных в ходе эксперимента с помощью жидких кристаллов, можно рассмотреть следующие аспекты, с которыми столкнется любой исследователь, приведенные на следующей схеме (рис. 1).

Рисунок 1. Исследовательские аспекты проблемы обработки изображений полей касательных напряжений

Источник: составлено авторами.

Сложность данных: изображения полей касательных напряжений, получаемые с помощью жидких кристаллов, могут содержать большое количество информации, например, распределение напряжений по поверхности образца, наличие дефектов, зон с различными физическими свойствами и т.д. В связи с этим необходимо разработать алгоритмы обработки, которые могут автоматически выделять и анализировать интересующие нас данные.

Методы обработки изображений: для решения проблемы необходимо использовать специальные алгоритмы обработки изображений, которые могут автоматически выделять области с интересующими касательными напряжениями. Некоторые из таких алгоритмов включают в себя машинное обучение, фильтрацию шума и сегментацию изображений.

Анализ полученных данных: после обработки изображений, необходимо провести анализ полученных данных. Для этого могут использоваться различные статистические методы, которые могут помочь определить зависимости между различными параметрами, такими как температура, давление и др. Кроме того, могут быть использованы методы машинного обучения, которые позволяют более точно предсказывать значения касательных напряжений.

Трудоемкость: обработка и анализ изображений полей касательных напряжений является достаточно трудоемкой и затратной задачей, требующей высокой квалификации специалистов в области физики и математики. Поэтому для решения проблемы необходимо привлекать высококвалифицированных специалистов и использовать специализированное оборудование и программное обеспечение.

Описание решения. В основе данного проекта лежит опыт исследований различных институтов [8], направленных на разработку библиотеки FLIR (бесплатное программное решение) для MatLab, позволяющей интерпретировать изображения и графики для обработки касательных напряжений.

Разрабатываемое авторское программное обеспечение позволит:

- построить графики;

- рассмотреть динамику изменения среды для жидких кристаллов;

- рассчитать термодинамические показатели;

- с помощью внешней видеокамеры провести эксперименты в реальных условиях;

- определять возможные зоны помех касательных напряжений при обработке полученного материала.

В дальнейшем планируется развитие данного проекта, и помимо вышезаявленного функционала в приложение будут добавлены:

1. Бот-ассистент/помощник, подбирающий нужный функционал под конкретного пользователя.

2. Добавление новых элементов/компонентов, которые помогут большей адаптивности пользовательского интерфейса (меню используемых функций, раздел с обучением применения софта и т.д.).

На первом этапе разработки стоит уделить внимание следующим основным вещам:

- возможность построения графиков;

- составление автоматических графов для жидких кристаллов;

- правильное построение графиков и графов для получения достоверной и правильной информации для пользователя;

- генерация результатов.

Для начала работы было принято решение алгоритмически вывести графики, которые указывают на уровень напряжения кристалла в определенных областях. При написании алгоритма использовались как физические, так и математические формулы [2] (Zhao, 2018). Как итог, мы получаем следующие графики (рис. 2) и соответствующие параметры напряженности.

Рисунок 2. Уровень напряжения кристалла в определенных областях, где φ – угол обзора, H – напряжение

Источник: составлено авторами.

Наборы данных были взяты в трех точках тестовой поверхности (u и v – координаты изображения, экспериментальные).

Далее рассматривается график напряженности жидкокристаллического монитора (рис. 3), т.е. его «подпитка» с помощью дополнительных объектов (зарядка, розетка, солнечная батарея и другие приборы, которые хорошо отражают свет), с помощью заготовленных рисунков, пользователь сможет определить, какой уровень в данный момент использует этот кристалл, таким образом, получая достаточное количество потребляемой энергии.

Sensors 18 01605 g004

Рисунок 3. График напряженности жидкокристаллического монитора

Источник: [2] (Zhao, 2018).

После обработки изображения можно наблюдать «слои», которые показывают, какой из участков является наиболее «продуктивным» (рис. 4). Подобное преобразование позволит определить, какой из участков больше пригоден для дальнейшего использования, так как у напряженности имеются «слои», которые зачастую отвечают за количество потребляемой энергии, а также дальнейшего потока.

Sensors 18 01605 g006b 550

Рисунок 4. Формы и «слои» картин напряженности

Источник: [2] (Zhao, 2018).

Предыдущие результаты будут интерпретированы в виде векторов. На рисунке 5 используются цветовые уровни для представления величины сдвига. Каждая предельная обтекаемая линия была получена путем интегрирования уравнения обтекания в векторном поле напряжения сдвига стенки. На рисунках видно, что измеренное векторное поле напряжения сдвига в целом симметрично относительно осевой линии. В этом можно дополнительно убедиться, проверив распределение величины и направления сдвига вдоль профилей. Симметричное распределение векторного поля среднего напряжения сдвига является оптимальным для струйного потока.

Рисунок 5. Векторное преобразование напряженности жидких кристаллов на одной из поверхностей

Источник: [2] (Zhao, 2018).

Следует отметить, что большинство флуктуаций в потоке были усреднены, поскольку использовалось относительно длительное время экспозиции, иначе изображение было бы недоэкспонированным. Для того чтобы измерить флуктуации потока, необходим источник освещения высокой интенсивности, чтобы сократить время экспозиции.

В данном испытании величина сдвига варьируется от примерно 5 Па до максимального значения около 120 Па и более.

Таким образом, исходя из графиков и вычислений, пользователь получит искомый результат не только в виде помех, векторов и слоев, но и примет решение, какой уровень напряженности был задействован в том или ином виде использованного кристалла.

Заключение

MatLab может использоваться для обработки изображений полей касательных напряжений, полученных в ходе эксперимента с помощью жидких кристаллов. С помощью алгоритмов обработки изображений, доступных в MatLab, можно фильтровать шум и улучшать контраст изображений, а также анализировать данные с использованием алгоритмов компьютерного зрения и математической обработки изображений. MatLab также может использоваться для создания графиков и визуализации результатов анализа. Разработка будет полезным инструментом для исследователей и инженеров, работающих с жидкими кристаллами и изображениями полей касательных напряжений.


References:

Benferhat R., Daouadji T.H., Mansour M.S., Henni A.H. (2014). Calcul des Déplacements et des Contraintes de Cisaillement pour les Plaques Sandwiches à Gradient Variable type FGM Revue Nature et Technologie. 7 (1). 24-44.

Popov D.N., Zhilina E.V., Petrenko V.I. (2022). Analiz R-CNN podkhoda k raspoznavaniyu obektov v kontekste prikladnyh ekonomicheskikh zadach [R-CNN approach to object recognition]. Informatization in the Digital Economy. 3 (4). 211-220. (in Russian). doi: 10.18334/ide.3.4.115222.

Zhao J. (2018). Measurement of Wall Shear Stress in High Speed Air Flow Using Shear-Sensitive Liquid Crystal Coating Sensors. 18 (5). 1605. doi: 10.3390/s18051605 .

Страница обновлена: 26.04.2025 в 08:37:29