Wir möchten NSF CMMI # 1126862 für die Finanzierung der Ausrüstung und Entwicklung der synthetischen Apertur-Algorithmen an der BYU danken, In-house-Labor Independent Research (ILIR) Fonds (überwacht durch Dr. Tony Ruffa) für die Finanzierung der Ausrüstung und Entwicklung bei NUWC Newport und NIH / NIDCD Gewährung R01DC009616 für die Finanzierung SLT, DJD und JRN und Daten in Bezug auf die Stimmlippen Experimente und der Universität Erlangen Graduate School in Advanced Optical Technologies (SAOT) zur teilweisen Unterstützung der SLT. Schließlich ist der Rocky Mountain NASA Space Grant Consortium für die Finanzierung JRN.

Ein. 3D Light Field Imaging-Setup <ol><li> Starten durch Bestimmung der Größe des Meßvolumens sowie die zeitliche und räumliche Auflösung für die Untersuchung der Fluidströmung Experiment untersucht erforderlich. </li><li> Schätzung der optischen Dichte, die vorhanden sein werden in dem Experiment, um die Anzahl der Kameras erforderlich refokussiert Bilder mit gutem Signal-Rausch-Verhältnis (SNR) 1, 2 (zB für ein PIV sollten Partikel pro Pixel zu berechnen) zu erzeugen bestimmen. Für den 3D SAPIV Experiment mit den synthetischen Stimmlippen hierin präsentierten, verwenden wir 8 Kameras und erwarten, eine Einsaatdichte Teilchen von 0,05-0,1 pro Pixel (ppp) erreichen. Diese Zahl steigt mit zunehmender Anzahl der Kamera mit abnehmenden etwa 13 Kameras erreicht; das SNR unter 5 rasch abnimmt Kameras. </li><li> Montieren der Kameras in einer Feldanordnung auf einem Rahmen, so dass jede Kamera das Meßvolumen aus unterschiedlichen Blickwinkeln betrachten.</li><li> Befestigen Sie die Kamera an einen zentralen Computer zur Datenerfassung und-Anzeige. </li><li> Wählen Sie Objektive mit Brennweiten für die gewünschte Vergrößerung und optischen Arbeitsabstand. Typischerweise wird die gleiche Art von fester Brennweite jeder Kamera montiert auf ähnliche Vergrößerung in jedem Bild zu erzeugen. </li><li> Platzieren ein visuelles Zielobjekt (wie eine Kalibrierung Gitter) im Zentrum des Messvolumens. </li><li> Mit dem Bild von der Mitte-Kamera des Arrays als Referenz, bewegen Sie den gesamten Kamera-Array Frame näher oder weiter aus dem Messvolumen, um die gewünschte Vergrößerung zu erzielen. </li><li> Weiter, trennen Sie die übrigen Kameras im Array. Beabstanden der Kameras weiter voneinander verbessert die räumliche Auflösung in der Tiefendimension auf Kosten der gesamten Tiefe 1 auflösbar. Hinweis: Wir verwenden Tiefe des Z-Dimension, die positive Richtung der Kameras ist (siehe Abbildung 1) zu verweisen. Das Verhältnis von Tiefe zu-Ebene Auflösung wird ungefähr gegeben <img alt="Gleichung 1" fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" /> Ist, wobei Z die Tiefe in dem Volumen ist, s o der Abstand der Kameras zur Vorderseite des Volumens, und D ist das Verhältnis von Abstand zur Kamera s o. </li><li> Abzuwinkeln alle Kameras, so dass der visuelle Zielobjekt im Zentrum des Messvolumens etwa in jedem Kamerabild zentriert. </li><li> Mit den Öffnungen vollständig offen an jeder Kameraobjektivs Fokussieren jedes Kamera auf der visuellen Zielobjekts. </li><li> Platzieren eines Kalibrierungsziels auf der Rückseite des Messvolumens. Sicherstellen, dass das Target in der Ansicht von jeder Kamera ist, falls nicht, dann wird der Abstand zwischen den Kameras und Meßvolumen und / oder Kamera Abstand Bedürfnisse Anpassung (Schritte 1,7-1,8). </li><li> Schließen Sie die Blende für jede Kamera bis das Ziel im Fokus jede Kamera. </li><li> Wiederholen Sie die Schritte 1,11-1,12 mit dem Ziel bei ter vor dem Meßvolumen. Die Kalibrierungs-Target erscheinen soll ähnlich wie Abbildung 2 nach jeder Kamera angepasst. </li></ol> 2. Volume Illumination-Setup <ol><li> Bestimmen Sie die geeignete Methode zur Beleuchtung des Messvolumens auf die spezifische Messverfahren an das Strömungsfeld angewendet wurden. Für Particle Image Velocimetry (PIV) eine Laser-Volumens verwendet wird. </li><li> Auswählen eines Lasers mit einer Pulsfrequenz, die die gewünschte zeitliche Auflösung der Messung erzielen. Der Laser kann einfach für zeitaufgelöste oder doppelt für Frame-gebietsübergreifenden 3 gepulst. </li><li> Verwenden optischer Linsen, um den Laserstrahl in ein Volumen, das das Licht Messvolumen deckt bilden. </li><li> Seed das Volumen mit Tracer-Partikel für PIV-Messungen 3. Die Konzentration der Teilchen in dem Fluid sollte groß genug sein, um die gewünschte räumliche Auflösung zu erzielen, aber nicht so groß wie das SNR in verringernSA Neuausrichtung Bilder unter ein akzeptables Niveau. Reference 1 enthält eine gründliche Untersuchung der erreichbaren Einsaatdichte, sondern als Faustregel eine Bilddichte von 0,05-0,15 Partikel pro Pixel (ppp) ist für die meisten Experimente mit 8 oder mehr Kameras. Für eine feste Anzahl von Kameras, sinkt die Teilchen pro Pixel für größere Volumenströme Tiefenabmessungen. </li></ol> 3. Kamera Array Kalibrierung <ol><li> Kalibrierung erfordert die Erfassung einer Reihe von Bildern in jeder Kamera mit einem Kalibrierungs-Target (zB ein Schachbrett Gitter, siehe Abbildung 2) an mehreren Standorten im gesamten Messvolumen. Entweder ein Multi-Kamera-Selbstkalibrierung Methode oder Bildgebung eine bekannte Kalibrierungs-Target, die genau durch das Feld von Interesse bewegt wird: Erstens, zwischen zwei Arten der Kalibrierung wählen. </li><li> Schaffung eines Bezugskoordinatensystems im Messvolumen. Dieses Koordinatensystem wird oft in einer Weise, die relevant f gewähltenoder das Experiment (zB mit der Achse eines Zylinders ausgerichtet ist, mit Ursprung an der führenden Kante einer flachen Platte, usw.). Hier haben wir entschieden unser Gittern in der XY-Ebene auf Punkte entlang der Z-Achse (Fig. 1) ausgerichtet zu platzieren. </li><li> Bei Verwendung eines Multi-Kamera selbst Kalibrierungsalgorithmus 4, 5 die Kalibrierdaten Zielstellen kann statistisch, mit Ausnahme einer Stelle, die genau in dem Referenz-Koordinatensystem eingezeichnet ist. Die Lage der Kalibrierpunkte auf dieser genau lokalisiert Ziel muss mit hoher Genauigkeit bekannt sein. In jeder Kamera, Aufnehmen eines Bildes des Ziels in jeder Lage ähnlich Abbildung 2. </li><li> Wenn nicht mit einem Multi-Kamera selbst Kalibrierungsalgorithmus, dann das Kalibrierziel muss genau an mehreren Orten werden im Messvolumen so dass die Orientierung des Ziels in dem Bezugskoordinatensystem mit hoher Genauigkeit bekannt ist platziert. In jeder Kamera, Aufnehmen eines Bildes des Ziels in jeder Lage.</li><li> Identifizieren Punkten auf dem Target in jeder Kamera für jedes Bild. Für Selbst-Kalibrierung werden Punktkorrespondenzen allen Kameras 5 erforderlich, aber ausdrücklich zu Punktkorrespondenzen sind nur für den von der genau lokalisiert Target erzeugt erforderlich. Für die exakt abgefahren Kalibrierverfahren sind ausdrücklich zu Punktkorrespondenzen für alle Punkte in allen Kameras erforderlich. </li><li> Übernehmen Sie die ausgewählten Kalibrier-Algorithmus, um alle Kameras zu kalibrieren. Hier haben wir gewählt, um eine Multi-Kamera-Selbstkalibrierung Algorithmus 4, 5 (Open Source nutzen <a href="http://cmp.felk.cvut.cz/~svoboda/SelfCal/" target="_blank">http://cmp.felk.cvut.cz/ ~ svoboda / SelfCal /</a> ) und die daraus resultierenden Kamera Positionen relativ zu den Ebenen von Interesse sind in 3 gezeigt. </li></ol> 4. Timing, Triggerung und Data Collection <ol><li> Quantitative erfordert zeitaufgelöste Lichtfeld Bildgebung alle cameras und Beleuchtungsquellen genau synchronisiert werden, oft zu einem relevanten experimentellen Veranstaltung. </li><li> Ein externer Impulsgeber dient dazu, die Kamera Aufnahmen und Beleuchtung Sequenzen auslösen. Programmieren der geeigneten Zeitsteuerung Impulsfolgen am Impulsgenerator. Für den Stimmlippen Experiment, verwenden wir einen rahmenförmigen rittlings Sequenz, wobei der Laser in der Nähe des Endes einer Kamera Belichtung und gepulst nahe dem Beginn der nächsten 3. </li><li> Falls Auslösung von einem experimentellen Fall sicherzustellen, dass ein entsprechendes Signal erzeugt wird und in den Impulseinspeisungspunkt Generator. </li><li> Bei manueller Auslösung Vorkehrungen für die Auslösung der Impulsgeber. </li><li> Beginnen Sie mit dem experimentellen Datenerfassung durch die Einleitung des Kamera-Capture und Beleuchtung Sequenz über die gewählte Triggerung Methode. </li><li> Obwohl es trivial klingt, beim Erwerb der großen Menge an Daten mit einer Multi-Kamera-Lichtfeld-Imaging Experiment zusammenhängen, eine gute Namenskonvention ist crusoziale. Es ist hilfreich, zu prüfen, wie die Daten von der Aufnahme wird letztlich verwendet werden, wenn die Entwicklung der Namenskonvention. </li></ol> 5. Synthetic Aperture Neuausrichtung <ol><li> Wir werden jetzt ein 3D fokalen Stapel von Bildern, um ein synthetisch refokussiert Volumen herzustellen. Zunächst definieren Sie den Abstand zwischen Fokalebenen und insgesamt Neuausrichtung Tiefe in der Neuausrichtung Volume verwendet werden <img alt="Gleichung 1" fo:src="/files/ftp_upload/4325/4325eq1highres.jpg" src="/files/ftp_upload/4325/4325eq1.jpg" /> 1, 7. Typischerweise wird die Brennebene Abstand zur halben Tiefe Auflösung eingestellt und die Gesamtmenge refokussierenden Tiefe wird durch den Bereich, wo alle geregelt Kamera Sichtfelder überlappen. Die Brennebenen wird senkrecht zu der Z-Achse des Bezugskoordinatensystems. </li><li> Definieren Sie die Waage an den Bildern bei Reprojektion gelten in das Messvolumen. Die Waage sollte im Einklang mit der Vergrößerung der RAW-Bilder, um zu vermeidensignifikante Over-Sampling oder unter-Sampling der reprojected Bildern. </li><li> Stellen Sie Transformationen zwischen jeder Kamera Bildebene und jedes synthetische Brennebene. </li><li> Führen Bildvorverarbeitung, um Hintergrundgeräusche zu entfernen und für die Unterschiede in der Intensität zwischen den Bildern 1, 7 unterzubringen. </li><li> Reproject Bilder auf den synthetischen Fokusebenen gelten das Ausmaß und die re-Probe die Bilder. Eine Reihe von eingebauten Matlab-Funktionen (Image Processing Toolbox a) können diese Aufgaben angesichts der Ebene zu Ebene Transformationen umzugehen. </li><li> Auf jeder synthetischen Fokalebene, gelten entweder die additive oder multiplikative SA Neuausrichtung Algorithmus 1, 7. Für 3D SAPIV Anwendungen, haben wir gute Erfolge mit Additiv SA (im Gegensatz zu den Stimmlippen hier angewandte) hatte. Für Gegenlicht Bilder von Blasen hat die multiplikative SA überlegene Ergebnisse erzielt. Als eine Kontrolle gelten die Refokussierung zu einer Ebene der Kalibrierungsbilder zu sehen, ob die Rekonstruktion erscheint als erwartet. </li&gt; </ol> 6. Volume Post-Processing <ol><li> Um die ursprünglichen Objekte in der Lautstärke, die das Lichtfeld erzeugt schätzen, erfordert einen Verarbeitungsschritt als Rekonstruktion bekannt. Verschiedene Algorithmen existieren von einfachen Intensität Schwellwertbildung 1 bis Gradienten-basierten Fokus Metriken 7 bis hin zu komplexen 3D-Dekonvolution 8 reicht. Wählen Sie einen Rekonstruktionsalgorithmus für die Anwendung geeignet. Für PIV, wir hatten Erfolg mit sowohl Intensität Thresholding und 3D Dekonvolution. Wir verwenden Intensität Schwellwertbildung Sie hier, um einen Schwerpunkt Stapel bilden. Zwei Schwerpunkte Stapel von Zeit 1 (t 1) und Zeit 2 (t 2) sind kreuzkorrelierten um ein Vektorfeld bilden. Die 3D Light Field Imaging-Methode inhärent Ergebnisse in Objekte, die in der Tiefe verlängert werden, die PIV Genauigkeit beeinträchtigen können, eine gute Rekonstruktion Algorithmus versucht, diese Dehnung zu mildern. </li><li> Nach dem Wiederaufbau Schritt können Merkmale im Volumen müssen oder ex seinsubtrahiert, um für die Messung der Größe erlauben, Form usw. Die Algorithmen zur Merkmalsextraktion verwendet sind vielfältig und abhängig von der Anwendung 7. Um Blasen zu extrahieren, zum Beispiel erfordert ein Mittel zum Lokalisieren von Merkmalen Blase und Definieren ihrer Größe. Für PIV-Anwendungen, haben wir nicht explizit extrahieren Teilchen und dieser Schritt kann übersprungen werden. </li><li> Für 3D SAPIV Anwendungen, analysieren Sie die Rekonstruktionsvolumen in kleinere Interrogationsvolumina und Anwendung eines geeigneten Kreuzkorrelation basierten PIV-Algorithmus, um die Vektor-Feld 1, 3 zu messen. </li></ol> a maketform: konstruiert eine Ebene zu Ebene Transformation &amp; imtransform: Karten und Resampling ein Bild auf die Umwandlungen von maketform basiert.

<ol>
	<li>Belden, J., Truscott, T. T., Axiak, M., Techet, A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-dimensional+synthetic+aperture+particle+imaging+velocimetry.">Three-dimensional synthetic aperture particle imaging velocimetry.</a> Measurement Science and Technology. 21 (12), 125403 (2010).</li><li>Wilburn, B., Joshi, N., Vaish, V., Talvala, E. -. V., Antunez, E., Barth, A., Adams, A., Horowitz, M., Levoy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=High+performance+imaging+using+large+camera+arrays.">High performance imaging using large camera arrays.</a> ACM Trans. Graph. 24, 765-776 (2005).</li><li>Raffel, M., Willert, C., Wereley, S., Kompenhaus, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Particle image velocimetry - A Practical Guide. , (2007).</li><li>Belden, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Auto-Calibration+of+Multi-Camera+Systems+with+Refractive+Interfaces.">Auto-Calibration of Multi-Camera Systems with Refractive Interfaces.</a> Experiments in Fluids. , (2013).</li><li>Svoboda, T., Martinec, M., Pajdla, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+convenient+multi-camera+self-calibration+for+virtual+environments.">A convenient multi-camera self-calibration for virtual environments.</a> PRESENCE: Teleoperators and Virtual Environments. 14 (4), 407-422 (2005).</li><li>Vaish, V., Garg, G., Talvala, E., Antunez, E., Wilburn, B., Horowitz, M., Levoy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+aperture+focusing+using+a+shear-warp+factorization+of+the+viewing+transfor.">Synthetic aperture focusing using a shear-warp factorization of the viewing transfor.</a> 3, 129 (2005).</li><li>Belden, J., Ravela, S., Truscott, T. T., Techet, A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-Dimensional+Bubble+Field+Resolution+Using+Synthetic+Aperture+Imaging:+Application+to+a+Plunging+Jet.">Three-Dimensional Bubble Field Resolution Using Synthetic Aperture Imaging: Application to a Plunging Jet.</a> Experiments in Fluids. , (2012).</li><li>Levoy, M., Ng, R., Adams, A., Footer, M., Horowitz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Light+field+microscopy.">Light field microscopy.</a> ACM Transactions on Graphics. 25 (3), (2006).</li><li>Triep, M., Br&#252;cker, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-dimensional+nature+of+the+glottal+jet.">Three-dimensional nature of the glottal jet.</a> Journal of the Acoustical Society of America. 127, 1537-1547 (2008).</li><li>Elsinga, G., Scarano, F., Wieneke, B., van Oudheusden, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tomographic+particle+image+velocimetry.">Tomographic particle image velocimetry.</a> Experiments in Fluids. 41, 933-947 (2006).</li></ol>

Wir haben nichts zu offenbaren.

Mehrere Schritte sind entscheidend für die ordnungsgemäße Durchführung eines Light Field Imaging Experiment. Objektiv Auswahl und Kamera-Platzierung sollte sorgfältig ausgewählt werden, um die Auflösung im Messvolumen zu maximieren. Die Kalibrierung ist vielleicht der wichtigste Schritt, da die SA Neuausrichtung Algorithmen nicht zu scharf Bilder ohne genaue Kalibrierung zu produzieren. Glücklicherweise erleichtert Multi-Kamera-Selbstkalibrierung genaue Kalibrierung mit einem relativ niedrigen Aufwand. Gleichmäßige Beleuchtung in allen Bildern, die einen guten Kontrast zwischen den Objekten von Interesse und den Hintergrund enthält auch notwendig, obwohl Bildverarbeitung können die Bilder zu einem Grad zu normalisieren. Timing ist auch wichtig bei der Durchführung von SA auf Volumes, die bewegte Objekte haben. Wenn jede Kamera nicht ausgelöst wird, um ein Bild zur gleichen Zeit in Anspruch nehmen, wird die Bildrekonstruktion offensichtlich ungenau sein. Für die Experimente in dieser Arbeit verwendeten wir den zeitlichen Ablauf shown in 7. Die 3D Light Field Imaging Anwendungen hierin präsentierten beinhalten eine räumliche Auflösung Trade-off. Zum Beispiel kann die 3D SAPIV Teilchens Volumina von optisch dichten Teilchen Bilder rekonstruieren, sondern die Teilchen werden über einen (potentiell großen) Volumen verteilt. Für 2D PIV werden die Partikel über einen dünnen Blattes verteilt, und somit Bilder mit dem gleichen Teilchendichte zu einer viel größeren Dichte im Messvolumen entsprechen. Dennoch ermöglicht die 3D SAPIV Verfahren für viel größere Einsaatdichten dass andere 3D-PIV Verfahren 1. Eine andere potentiell Begrenzen Überlegung ist die relativ große Rechenintensität mit Lichtfeld Bildgebende Verfahren zugeordnet ist; Rechenkomplexität ist typisch für die bildbasierte 3D-Rekonstruktion Methoden wie tomographischen-PIV 10. Für dieses Experiment verwendeten wir 8 Photron SA3 Kameras mit Sigma 105 mm Makro-Objektiven ausgestattet und Quantronix Dual-Darwin Nd: YLF-Laser (532 nm, 200 mJ). Die Kameras und Laser wurden zusammen über eine Berkley Nucleonics 575 BNC Digital Delay / Impulsgeber synchronisiert. Die Strömung wurde mit Expancel Helium gefüllt Mikroglaskugeln ausgesät. Die Mikrokugeln einen mittleren Durchmesser von 70 um mit einer Dichte von 0,15 g / cm ³. Wir bieten Open Source-Versionen des Codes hierin für die akademische Gemeinschaft über unsere Website verwendet <a href="http://www.3dsaimaging.com/" target="_blank">http://www.3dsaimaging.com/</a> und wir ermutigen Benutzer geben Sie uns Feedback und beteiligen sich an der Verbesserung und liefert nützliche Codes für die quantitative Lichtfeld Gemeinschaft.

determining 3d flow fields via multi-camera light field imaging

Im Bereich der Strömungsmechanik, hat die Auflösung der numerischen Verfahren überholt experimentellen Methoden und die Kluft zwischen den vorhergesagten und beobachteten Phänomene in Flüssigkeit fließt. Somit besteht ein Bedarf an einem Verfahren zugänglich auflösen können dreidimensionale (3D) Datensätze für eine Reihe von Problemen. Wir präsentieren eine neuartige Technik für die Durchführung quantitative 3D-Bildgebung für viele Arten von Strömungsfelder. Die 3D-Technik ermöglicht Untersuchung der komplizierten Geschwindigkeit Felder und Blasenströmungen. Messungen dieser Art präsentieren eine Vielzahl von Herausforderungen an das Instrument. Zum Beispiel können optisch dichten sprudelnde Mehrphasenströmungen nicht leicht durch herkömmliche, nicht-invasive Techniken Durchflussmessung aufgrund der Blasen Okkludieren optischen Zugang zu den inneren Bereichen des interessierenden Volumens abgebildet werden. Durch Verwendung Lichtfeld Imaging sind wir in der Lage, Bilder mit einer Anordnung von Kameras, um eine 3D-Karte für jeden volumetrischen Zeitinstanz rekonstruieren eingefangen Umparametrieren trotzteilweises Okklusionen in dem Volumen. Die Technik macht die Verwendung eines Algorithmus wie synthetischer Apertur (SA) refokussierenden, wodurch ein 3D-fokalen Stapel durch Kombinieren von Bildern von mehreren Kameras nach einzufangen 1 erzeugt bekannt. Light Field Imaging ermöglicht die Erfassung von Winkel-als auch räumliche Informationen über die Lichtstrahlen, und ermöglicht somit 3D-Szene Wiederaufbau. Quantitative Informationen können dann aus den 3D-Rekonstruktionen unter Verwendung einer Vielzahl von Verarbeitungsalgorithmen extrahiert werden. Insbesondere haben wir Messverfahren auf Light Field Imaging zum Ausführen 3D Particle Image Velocimetry (PIV), Extrahieren Blasen in einem 3D-Feld und die Verfolgung der Grenze einer flackernden Flamme entwickelt. Wir präsentieren Ihnen die Grundlagen der Light Field Imaging-Methodik im Rahmen unserer Aufbau zur Durchführung 3DPIV der Luftströmung, die über eine Reihe von synthetischen Stimmlippen und zeigen repräsentative Ergebnisse aus der Anwendung der Technik, um eine Blase-Mitnahme stürzen Jet.

Hochwertige Rohstoffe PIV Bilder enthalten gleichmäßig verteilte Partikel erscheinen mit hohem Kontrast gegen den schwarzen Hintergrund (Abbildung 4a). Für nicht-homogene Ausleuchtung über das Bild zu kompensieren, können Bild-Vorverarbeitung durchgeführt, um helle Bereiche zu entfernen, Kontrast und Normalisierung der Intensität Histogramme für alle die Bilder von allen Kameras (Abb. 4b) werden. Wenn das Experiment zu einer geeigneten Dichte ausgesät und eine genaue Kalibrierung durchgeführt wird, die SA refokussiert Bilder werden im Fokus Teilchen auf jedem Tiefenebene (Abbildung 5) offenbaren. Wenn die Messung beträgt über ausgesät wird das SNR in den refokussierten Bilder gering macht es schwierig, die Teilchen zu rekonstruieren. SA refokussiert Bilder mit einer guten SNR Schwellenwertvergleich kann, im Fokus Teilchen auf jedem Tiefenebene zurückzuhalten. 6 zeigt zwei Bilder von zwei gethresholdeten Zeitschritten bei der Z = -10,6 mm Tiefenebeneninformation. Die gethresholdeten volume wird dann in Interrogationsvolumina, die eine ausreichende Anzahl von Teilchen enthalten, für die Durchführung PIV 3 analysiert. Aufbringen einer 3DPIV Algorithmus auf den geparsten Volumen ergibt eine Fluidgeschwindigkeit Feld in 7 gezeigt, in diesem Fall ist das Strömungsfeld, dass durch ein Modell Stimmlippe induziert. Die Geschwindigkeit der Strömung Feld außerhalb der Strahl sehr klein ist, also sehr wenige Vektoren außerhalb dieses Bereichs sichtbar ist. Zum Zeitpunkt t = 0 ms die Stimmlippe geschlossen ist und nur sehr wenig Geschwindigkeit im Feld vorhanden ist. Die größte Geschwindigkeit in dem Strahl zur Zeit t = 1 msec bewegt sich in die positive y-Richtung und reduziert in ihrer Intensität von t = 2 bis 4 msec. Die fach schließt bei t = 5 ms Verringerung der Strahlgeschwindigkeit und der Zyklus wiederholt sich. Diese Bilder haben nicht die gleiche Glattheit so viele vorhergehende Autoren 9, die bis zu 100 präsentieren gemittelten Bilder als jedes Geschwindigkeitsfeld präsentiert eine Einfach Momentaufnahme. Als Bezugspunkt haben frühere Simulationen typischer Fehler auf Berechnung angezeigtd Geschwindigkeiten in der Größenordnung von 5-10% auf jeder Geschwindigkeitskomponente, die Fehler aus dem PIV-Algorithmus selbst ein einschließt; für den Algorithmus verwenden wir (MatPIV 11 angepasst für 3D), wird dieser Fehler bekannt, große relativ zu sein anderen Codes. Blasenströmungen sind ein weiterer Bereich des wissenschaftlichen Interesses, die von den 3D-Fähigkeiten der Light Field Imaging profitieren können. Die SA-Technik kann ähnlich Blasenströmung Feldern, wobei das Laserlicht mit diffusen weißen Hintergrundbeleuchtung, die in Bildern wie in 8a gezeigt, wo die Blasen Kanten dunkel vor dem weißen Hintergrund erscheinen ergibt Fassung aufgebracht werden. Nach Selbstkalibrierung kann die multiplikative Variante der SA-Algorithmus angewandt, um eine fokale Stapel mit Blasen scharf auf der Tiefenebene entsprechend der Tiefe der Blase und unscharf ab Ansicht auf anderen Ebenen fokussiert zu ergeben, wie in 8b gezeigt,-d 7. Einfache Thresholding nichteine adäquate Verfahren zum Extrahieren der Blasen, anstatt eine Reihe fortschrittlicher Merkmalsextraktion Algorithmen sind, wie in 7 verwendet. <img src="/files/ftp_upload/4325/4325fig1.jpg" alt="Abbildung 1" /> Abbildung 1. Das Bild der Kameras und Stimmlippen mit Etiketten und Koordinatensystem. <img src="/files/ftp_upload/4325/4325fig2.jpg" alt="Abbildung 2" /> Abbildung 2. Calibration Grid bei Z = 0 mm, wie aus allen 8 Kameras gesehen. <img src="/files/ftp_upload/4325/4325fig3.jpg" alt="Abbildung 3" fo:content-width="2.5in" fo:src="/files/ftp_upload/4325/4325fig3highres.jpg"/> Abbildung 3. Topview der Kamera Setup von Multi-Kamera-Selbstkalibrierung Ausgang. Kameras 1-8 sind mit Nummern und Kreise befinden, mit ihrer allgemeinen Betrachtung direction, die durch eine Linie. Die rote blob der Nähe des Ursprungs ist eigentlich 400 + Punkte aus der Kalibrierung Gitter bei jedem Z-Tiefe aufgetragen in 3D relativ zu den Kameras. <img src="/files/ftp_upload/4325/4325fig4.jpg" alt="Abbildung 4" /> Abbildung 4. Rohbilder des Teilchens Feld von der Kamera # 6 bei T 1 und T 2 (a &amp; b) angesehen. Gleichen Bilder nach Vorbehandlung (c &amp; d). <img src="/files/ftp_upload/4325/4325fig5.jpg" alt="Abbildung 5" /> Abbildung 5 Von links nach rechts:. Raw Neuausrichtung SAPIV Bilder in Tiefen (a) Z = -5,9 mm, (b) -10,6 mm und (c) -15,3 mm. <img src="/files/ftp_upload/4325/4325fig6.jpg" alt="Abbildung 6" /> Abbildung 6. Thresholded Bilder zum Zeitpunkt der Schritte (a) t 1 und (b) t 2 bei Z = -10,6 mm. <img src="/files/ftp_upload/4325/4325fig7.jpg" alt="Abbildung 7" fo:content-width="5.25in" fo:src="/files/ftp_upload/4325/4325fig7highres.jpg"/> Abbildung 7. Dreidimensionale Vektorfeldes des Strahls durch synthetische Stimmlippen für 6 Zeitschritte erzeugt. Die linke Seite zeigt eine isometrische Ansicht des gesamten 3D-Geschwindigkeitsfeld. Schnitte des xy und yz-Ebene durch die Mitte der Stimmlippen gemäß vorstehender jeder Spalte angegeben. <img src="/files/ftp_upload/4325/4325fig8.jpg" alt="Abbildung 8" /> Abbildung 8 Von links nach rechts:. Raw Bild Blasenströmung Feld aus Kamera-Array und Neuausrichtung Bilder in Tiefen (b) Z = -10 mm, (c) 0 mm und (d) 10 mm.Der Kreis zeigt eine Blase, die auf der Z = -10 mm Tiefe Ebene liegt, und verschwindet aus dem Blickfeld auf anderen Ebenen. Details der Blase Experimente können in 4 gefunden werden.

Watch this Scientific Journal Video about Determining 3D Flow Fields via Multi-camera Light Field Imaging at JoVE.com

Determining 3D Flow Fields via Multi-camera Light Field Imaging

Eine Technik zum Durchführen quantitativer dreidimensionale (3D)-Bildgebung für einen Bereich von Fluidströmungen wird vorgestellt. Mit Konzepten aus dem Bereich der Light Field Imaging, rekonstruieren wir 3D-Volumen aus Arrays von Bildern. Unsere 3D-Ergebnisse umfassen ein breites Spektrum, einschließlich Geschwindigkeit Felder und Mehrphasen-Blasengröße-Distributionen.

Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging

In the field of fluid mechanics, the resolution of computational schemes has outpaced experimental methods and widened the gap between predicted and ...

determining-3d-flow-fields-via-multi-camera-light-field-imaging

Research

Education

JoVE Core

JoVE Journal

Civil Engineering

Engineering

Unit 1

Differential Analysis of Fluid Flow

SCIENTISTS IN ACTION

16.5K Aufrufe.  Brigham Young University. Eine Technik zum Durchführen quantitativer dreidimensionale (3D)-Bildgebung für einen Bereich von Fluidströmungen wird vorgestellt. Mit Konzepten aus dem Bereich der Light Field Imaging, rekonstruieren wir 3D-Volumen aus Arrays von Bildern. Unsere 3D-Ergebnisse umfassen ein breites Spektrum, einschließlich Geschwindigkeit Felder und Mehrphasen-Blasengröße-Distributionen.

Serie: Determining 3D Flow Fields via Multi-camera Light Field Imaging

High-resolution, High-speed, Three-dimensional Video Imaging with Digital Fringe Projection Techniques

Digital fringe projection (DFP) techniques provide dense 3D measurements of dynamically changing surfaces.&#160;Like the human eyes and brain, DFP uses triangulation between matching points in two views of the same scene at different angles to compute depth.&#160;However, unlike a stereo-based method, DFP uses a digital video projector to replace one of the cameras1. The projector rapidly projects a known sinusoidal pattern onto the subject, and the surface of the subject distorts these patterns in the camera&#8217;s field of view. Three distorted patterns (fringe images) from the camera can be used to compute the depth using triangulation.
Unlike other 3D measurement methods, DFP techniques lead to systems that tend to be faster, lower in equipment cost, more flexible, and easier to develop.&#160;DFP systems can also achieve the same measurement resolution as the camera.&#160;For this reason, DFP and other digital structured light techniques have recently been the focus of intense research (as summarized in1-5). Taking advantage of DFP, the graphics processing unit, and optimized algorithms, we have developed a system capable of 30&#160;Hz 3D video data acquisition, reconstruction, and display for over 300,000 measurement points per frame6,7.&#160;Binary defocusing DFP methods can achieve even greater speeds8.
Diverse applications can benefit from DFP techniques. Our collaborators have used our systems for facial function analysis9, facial animation10, cardiac mechanics studies11, and fluid surface measurements, but many other potential applications exist.&#160;This video will teach the fundamentals of DFP techniques and illustrate the design and operation of a binary defocusing DFP system.

This video describes the fundamentals of digital fringe projection techniques, which provide dense 3D measurements of dynamically changing surfaces.&#160;It also demonstrates the design and operation of a high-speed binary defocusing system based on these techniques.

High-Auflösung, High-Speed-, Three-dimensional Imaging mit Digital-Video-Streifenprojektionstechnik

Digital fringe projection (DFP) techniques provide dense 3D measurements of dynamically changing surfaces.&#160;Like the human eyes and brain, DFP uses ...

Forschung

Ingenieurwesen

Real-Time DC-dynamic Biasing Method for Switching Time Improvement in Severely Underdamped Fringing-field Electrostatic MEMS Actuators

Mechanically underdamped electrostatic fringing-field MEMS actuators are well known for their fast switching operation in response to a unit step input bias voltage. However, the tradeoff for the improved switching performance is a relatively long settling time to reach each gap height in response to various applied voltages. Transient applied bias waveforms are employed to facilitate reduced switching times for electrostatic fringing-field MEMS actuators with high mechanical quality factors. Removing the underlying substrate of the fringing-field actuator creates the low mechanical damping environment necessary to effectively test the concept. The removal of the underlying substrate also a has substantial improvement on the reliability performance of the device in regards to failure due to stiction. Although DC-dynamic biasing is useful in improving settling time, the required slew rates for typical MEMS devices may place aggressive requirements on the charge pumps for fully-integrated on-chip designs. Additionally, there may be challenges integrating the substrate removal step into the back-end-of-line commercial CMOS processing steps. Experimental validation of fabricated actuators demonstrates an improvement of 50x in switching time when compared to conventional step biasing results. Compared to theoretical calculations, the experimental results are in good agreement.

The robust device design of fringing-field electrostatic MEMS actuators results in inherently low squeeze-film damping conditions and long settling times when performing switching operations using conventional step biasing. Real-time switching time improvement with DC-dynamic waveforms reduces the settling time of fringing-field MEMS actuators when transitioning between up-to-down and down-to-up states.

Echtzeit-DC-Vorspannung dynamische Verfahren zur Verbesserung Schaltzeit in stark unterdämpft Fransen-Bereich Elektroantriebe MEMS

Mechanically underdamped electrostatic fringing-field MEMS actuators are well known for their fast switching operation in response to a unit step input ...

Data Acquisition Protocol for Determining Embedded Sensitivity Functions

The effectiveness of many structural health monitoring techniques depends on the placement of sensors and the location of input forces. Algorithms for determining optimal sensor and forcing locations typically require data, either simulated or measured, from the damaged structure. Embedded sensitivity functions provide an approach for determining the best available sensor location to detect damage with only data from the healthy structure. In this video and manuscript, the data acquisition procedure and best practices for determining the embedded sensitivity functions of a structure is presented. The frequency response functions used in the calculation of the embedded sensitivity functions are acquired using modal impact testing. Data is acquired and representative results are shown for a residential scale wind turbine blade. Strategies for evaluating the quality of the data being acquired are provided during the demonstration of the data acquisition process.

The data acquisition procedure for determining embedded sensitivity functions is described. Data is acquired and representative results are shown for a residential scale wind turbine blade.

Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen

The effectiveness of many structural health monitoring techniques depends on the placement of sensors and the location of input forces. Algorithms for ...

Hand Controlled Manipulation of Single Molecules via a Scanning Probe Microscope with a 3D Virtual Reality Interface

Considering organic molecules as the functional building blocks of future nanoscale technology, the question of how to arrange and assemble such building blocks in a bottom-up approach is still open. The scanning probe microscope (SPM) could be a tool of choice; however, SPM-based manipulation was until recently limited to two dimensions (2D). Binding the SPM tip to a molecule at a well-defined position opens an opportunity of controlled manipulation in 3D space. Unfortunately, 3D manipulation is largely incompatible with the typical 2D-paradigm of viewing and generating SPM data on a computer. For intuitive and efficient manipulation we therefore couple a low-temperature non-contact atomic force/scanning tunneling microscope (LT NC-AFM/STM) to a motion capture system and fully immersive virtual reality goggles. This setup permits &#34;hand controlled manipulation&#34; (HCM), in which the SPM tip is moved according to the motion of the experimenter&#39;s hand, while the tip trajectories as well as the response of the SPM junction are visualized in 3D. HCM paves the way to the development of complex manipulation protocols, potentially leading to a better fundamental understanding of nanoscale interactions acting between molecules on surfaces. Here we describe the setup and the steps needed to achieve successful hand-controlled molecular manipulation within the virtual reality environment.

We demonstrate the precise manipulation of individual organic molecules on a metal surface with the tip of a scanning probe microscope driven in 3D by the experimenter's hand using a motion capture system and fully immersive virtual reality goggles.

Hand kontrollierte Manipulation einzelner Moleküle über ein Rastersondenmikroskop mit einer 3D-Virtual-Reality-Schnittstelle

Considering organic molecules as the functional building blocks of future nanoscale technology, the question of how to arrange and assemble such building ...

Generation of Size-controlled Poly (ethylene Glycol) Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Uniform and size-controllable poly (ethylene glycol) diacrylate (PEGDA) droplets could be produced via the flow focusing process in a microfluidic device. This paper proposes a semi-three-dimensional (semi-3D) flow-focusing microfluidic chip for droplet formation. The polydimethylsiloxane (PDMS) chip was fabricated using the multi-layer soft lithography method. Hexadecane containing surfactant was used as the continuous phase, and PEGDA with the ultraviolet (UV) photo-initiator was the dispersed phase. Surfactants allowed the local surface tension to drop and formed a more cusped tip which promoted breaking into tiny micro-droplets. As the pressure of dispersed phase was constant, the size of droplets became smaller with increasing continuous phase pressure before dispersed phase flow was broken off. As a result, droplets with size variation from 1 &#181;m to 80 &#181;m in diameter could be selectively achieved by changing the pressure ratio in two inlet channels, and the average coefficient of variation was estimated to be below 7%. Furthermore, droplets could turn into micro-beads by UV exposure for photo-polymerization. Conjugating biomolecules on such micro-beads surface have many potential applications in the fields of biology and chemistry.

Generation of Size-controlled Poly ethylene Glycol Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Here, we present a protocol to illustrate the fabrication processes and verifying experiments of a semi-three-dimensional (semi-3D) flow-focusing microfluidic chip for droplet formation.

Größe-gesteuerte Poly (Ethylenglycol) Diacrylate Tröpfchen über Semi-3-dimensionale fließen mit Schwerpunkt mikrofluidischen Geräte-Generation

Uniform and size-controllable poly (ethylene glycol) diacrylate (PEGDA) droplets could be produced via the flow focusing process in a microfluidic device. ...

Experimental Investigation of the Flow Structure over a Delta Wing Via Flow Visualization Methods

It is well known that the flow field over a delta wing is dominated by a pair of counter rotating leading edge vortices (LEV). However, their mechanism is not well understood. The flow visualization technique is a promising non-intrusive method to illustrate the complex flow field spatially and temporally. A basic flow visualization setup consists of a high-powered laser and optic lenses to generate the laser sheet, a camera, a tracer particle generator, and a data processor. The wind tunnel setup, the specifications of devices involved, and the corresponding parameter settings are dependent on the flow features to be obtained.
Normal smoke wire flow visualization uses a smoke wire to demonstrate the flow streaklines. However, the performance of this method is limited by poor spatial resolution when it is conducted in a complex flow field. Therefore, an improved smoke flow visualization technique has been developed. This technique illustrates the large-scale global LEV flow field and the small-scale shear layer flow structure at the same time, providing a valuable reference for later detailed particle image velocimetry (PIV) measurement.
In this paper, the application of the improved smoke flow visualization and PIV measurement to study the unsteady flow phenomena over a delta wing is demonstrated. The procedure and cautions for conducting the experiment are listed, including wind tunnel setup, data acquisition, and data processing. The representative results show that these two flow visualization methods are effective techniques for investigating the three-dimensional flow field qualitatively and quantitatively.

Here, we present a protocol to observe unsteady vortical flows over a delta wing using a modified smoke flow visualization technique and investigate the mechanism responsible for the oscillations of the leading-edge vortex breakdown locations.

Experimentelle Untersuchung der Strömung Struktur über eine Delta-Flügel über Flow Visualisierungsmethoden

It is well known that the flow field over a delta wing is dominated by a pair of counter rotating leading edge vortices (LEV). However, their mechanism is ...

Synchrotron X-ray Microdiffraction and Fluorescence Imaging of Mineral and Rock Samples

In this report, we describe a detailed procedure for acquiring and processing&#160;x-ray microfluorescence (&#956;XRF), and Laue and powder microdiffraction two-dimensional (2D) maps at beamline 12.3.2 of the Advanced Light Source (ALS), Lawrence Berkeley National Laboratory. Measurements can be performed on any sample that is less than 10 cm x 10 cm x 5 cm, with a flat exposed surface. The experimental geometry is calibrated using standard materials (elemental standards for XRF, and crystalline samples such as Si, quartz, or Al2O3 for diffraction). Samples are aligned to the focal point of the x-ray microbeam, and raster scans are performed, where each pixel of a map corresponds to one measurement, e.g., one XRF spectrum or one diffraction pattern. The data are then processed using the in-house developed software XMAS, which outputs text files, where each row corresponds to a pixel position. Representative data from moissanite and an olive snail shell are presented to demonstrate data quality, collection, and analysis strategies.

We describe a beamline setup meant to carry out rapid two-dimensional x-ray fluorescence and x-ray microdiffraction mapping of single crystal or powder samples using either Laue (polychromatic radiation) or powder (monochromatic radiation) diffraction. The resulting maps give information about strain, orientation, phase distribution, and plastic deformation.

Synchrotron Röntgenstrahl Microdiffraction und Fluoreszenz-Bildgebung von Mineral- und Gesteinsproben

In this report, we describe a detailed procedure for acquiring and processing&#160;x-ray microfluorescence (&#956;XRF), and Laue and powder ...

Simultaneous Measurement of Turbulence and Particle Kinematics Using Flow Imaging Techniques

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine micro-organisms, and/or sediments in the ocean, or fluidized bed reactors and combustion processes in engineered systems. In order to study the effect of turbulence on the kinematics of particles in such flows, simultaneous measurements of both the flow and particle kinematics are required. Non-intrusive, optical flow measurement techniques for measuring turbulence, or for tracking particles, exist but measuring both simultaneously can be challenging due to interference between the techniques. The method presented herein provides a low cost and relatively simple method to make simultaneous measurements of the flow and particle kinematics. A cross section of the flow is measured using a particle image velocimetry (PIV) technique, which provides two components of velocity in the measurement plane. This technique utilizes a pulsed-laser for illumination of the seeded flow field that is imaged by a digital camera. The particle kinematics are simultaneously imaged using a light emitting diode (LED) line light that illuminates a planar cross section of the flow that overlaps with the PIV field-of-view (FOV). The line light is of low enough power that it does not affect the PIV measurements, but powerful enough to illuminate the larger particles of interest imaged using the high-speed camera. High-speed images that contain the laser pulses from the PIV technique are easily filtered by examining the summed intensity level of each high-speed image. By making the frame rate of the high-speed camera incommensurate with that of the PIV camera frame rate, the number of contaminated frames in the high-speed time series can be minimized. The technique is suitable for mean flows that are predominantly two-dimensional, contain particles that are at least 5 times the mean diameter of the PIV seeding tracers, and are low in concentration.

The technique described herein offers a low cost and relatively simple method to simultaneously measure particle kinematics and turbulence in flows with low particle concentrations. The turbulence is measured using particle image velocimetry (PIV), and particle kinematics are calculated from images obtained with a high-speed camera in an overlapping field-of-view.

Gleichzeitige Messung von Turbulenzen und Partikel-Kinematik mit bildgebenden Verfahren

Numerous problems in scientific and engineering fields involve understanding the kinematics of particles in turbulent flows, such as contaminants, marine ...

Label-Free Imaging of Single Proteins Secreted from Living Cells via iSCAT Microscopy

We demonstrate interferometric scattering (iSCAT) microscopy, a method capable of detecting single unlabeled proteins secreted from individual living cells in real time. In this protocol, we cover the fundamental steps to realize an iSCAT microscope and complement it with additional imaging channels to monitor the viability of a cell under study. Following this, we use the method for real-time detection of single proteins as they are secreted from a living cell which we demonstrate with an immortalized B-cell line (Laz388). Necessary steps concerning the preparation of microscope and sample as well as the analysis of the recorded data are discussed. The video protocol demonstrates that iSCAT microscopy offers a straightforward method to study secretion at the single-molecule level.

We present a protocol for the real-time optical detection of single unlabeled proteins as they are secreted from living cells. This is based on interferometric scattering (iSCAT) microscopy, which can be applied to a variety of different biological systems and configurations.

Markierungsfreie Imaging der einzelnen Proteine abgesondert von lebenden Zellen über iSCAT Mikroskopie

We demonstrate interferometric scattering (iSCAT) microscopy, a method capable of detecting single unlabeled proteins secreted from individual living ...

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the prediction of the components in industrial processes. The ability to record spectra for solid and liquid samples without any pretreatment is advantageous and the method is widely used. However, the disadvantages of analyzing high-dimensional near-infrared spectral data include information redundancy and multicollinearity of the spectral data. Thus, we propose to use partial least squares regression method, which has traditionally been used to reduce the data dimensionality and eliminate the collinearity between the original features. We implement the method for predicting the o-cresol concentration during the production of polyphenylene ether. The proposed approach offers the following advantages over component regression prediction methods: 1) partial least squares regression solves the multicollinearity problem of the independent variables and effectively avoids overfitting, which occurs in a regression analysis due to the high correlation between the independent variables; 2) the use of the near-infrared spectra results in high accuracy because it is a non-destructive and non-polluting method to obtain information at microscopic and molecular scales.

The protocol describes a method of predicting o-cresol concentration during the production of polyphenylene ether using near-infrared spectroscopy and partial least squares regression. To describe the process more clearly and completely, an example of predicting the o-cresol concentration during the production of polyphenylene is used to clarify the steps.

O-Kresol-Konzentration Online-Messung basierend auf Nahinfrarot-Spektroskopie über partielle kleinste quadratische Regression

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the ...