基于卷积神经网络的水下湍流探测技术

针对水下湍流的复杂性和多变性对水下航行器性能和姿态控制产生的挑战，提出使用卷积神经网络来测量水下湍流的温差耗散率XT。首先，采用功率谱反演法和惠更斯-菲涅尔原理仿真生成了受水下湍流影响的散斑图像数据集。随后，利用卷积神经网络提取这些受湍流影响的散斑图像中的特征信息，并对温差耗散率XT进行估计。最后，通过现场实验数据集验证了所提出方法的可行性。实验结果表明，所提出的神经网络在实地实验数据集和模拟仿真数据集上表现出相似的分类精度和损失曲线，其测量准确率分别为98.8%和99.2%。这一研究为水下环境监测和资源勘探领域提供了重要的参考，对于光学图像处理和湍流研究等相关领域具有实际意义。