论文部分内容阅读
微流体液滴可以作为一个进行生化反应的微容器,在生物、化学、医学等领域有着广泛的应用前景。近年来,深度学习越来越多地被用于微流体测量,如利用微流体液滴图像测量流体的速度、浓度。通过分析T型微通道基本流型,发现已经形成的液滴及其生成过程挤压-滴状区具有不同的特征。通过一个基于深度学习的多语义分割网络,可以得到不同的分散相区域,从而精确捕捉不同流态下液滴、挤压-滴状区的特征。微流体液滴语义分割网络的输入输出均为RGB图像,利用3个跳跃结构和padding操作的解码编码卷积神经网络,实现了从图像到图像的语义