Name: Śledzenie cząstek lagrangea na podstawie obrazu w eksperymentach z obciążeniem łóżka (Wideo) | JoVE Journal
Uploaded: 2017-07-20T15:00:00.000+00:00
Duration: 10 min 32 s
Description: Naucz się śledzić cząstki osadu w transporcie fluwialnym metodą analizy obrazu. Technika ta umożliwia precyzyjne pomiar trajektorii na dużych obszarach, eliminując błędy obserwacyjne i dostarczając szczegółowych danych o kinematyczce ruchu.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ta praca była wspierana przez Agencję Wykonawczą ds. Badań, poprzez 7. program ramowy Unii Europejskiej, Wsparcie dla szkoleń i rozwoju kariery naukowców (Marie Curie - FP7-PEOPLE-2012-ITN), który sfinansował Sieć Szkolenia Początkowego (ITN) HYTECH "Hydrodynamiczny transport w ekologicznie krytycznych heterogenicznych interfejsach" (numer 316546). Wspierało go również Polo Territoriale di Lecco z Politecnico di Milano. Eksperymenty zostały przeprowadzone podczas wizyty S. S. na Politechnice Mediolańskiej jako wizytującego naukowca. Autorzy dziękują Tarcisio Fazzini, Stefanii Gherbi, Francesco Mottini (B.Sc. studentom Politecnico di Milano) i Seyedowi Abbasowi Hosseini-Sadabadi (stypendyscie projektu HYTECH i doktorantowi na Politechnice w Mediolanie) za wsparcie działań eksperymentalnych i analizy danych. Autorzy dziękują prof. Rogerowi Nokesowi (University of Canterbury, Christchurch, Nowa Zelandia) za udostępnienie oprogramowania Streams i nieustanne doradztwo. Na koniec autorzy dziękują redaktorowi naczelnemu JoVE i trzem anonimowym recenzentom za skłaniające do refleksji uwagi i sugestie, dzięki którym manuskrypt mógł zostać znacznie poprawiony.

<ol><li>Francis, J. R. D. <a target="_blank" href="http://rspa.royalsocietypublishing.org/content/332/1591/443">Experiments on the motion of solitary grains along the bed of a water-stream.</a> Proc Royal Soc London, A. 332, 443-471 (1973).</li>
<li>Drake, T. G., Shreve, R. L., Dietrich, W. E., Whiting, P. J., Leopold, L. B. <a target="_blank" href="https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/bedload-transport-of-fine-gravel-observed-by-motion-picture-photography/7ABAD72E7D892760E5A11927365A0291">Bedload transport of fine gravel observed by motion-picture photography.</a> J Fluid Mech. 192, 193-217 (1988).</li>
<li>Campagnol, J., Radice, A., Ballio, F., Nikora, V. <a target="_blank" href="http://www.tandfonline.com/doi/abs/10.1080/00221686.2015.1085920?journalCode=tjhr20">Particle motion and diffusion at weak bed load: accounting for unsteadiness effects of entrainment and disentrainment.</a> J Hydraul Res. 53 (5), 633-648 (2015).</li>
<li>Fathel, S. L., Furbish, D. J., Schmeeckle, M. W. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1002/2015JF003552/full">Experimental evidence of statistical ensemble behavior in bed load sediment transport.</a> J Geophys Res: Earth Surf. 120 (11), 2298-2317 (2015).</li>
<li>Lajeunesse, E., Malverti, L., Charru, F. <a target="_blank" href="http://www.ipgp.fr/~lajeunes/Site_IPGP/Publications_files/2010-JGR-Bedload.pdf">Bedload transport in turbulent flow at the grain scale: experiments and modeling.</a> J Geophys Res: Earth Surf. 115, F04001(2010).</li>
<li>Tsakiris, A. G., Papanicolaou, A. N., Lauth, T. J. <a target="_blank" href="http://www.tandfonline.com/doi/abs/10.1080/00221686.2013.876454?journalCode=tjhr20">Signature of bedload particle transport mode in the acoustic signal of a geophone.</a> J Hydraul Res. 52 (2), 185-204 (2014).</li>
<li>Mendes, L., Antico, F., Sanches, P., Alegria, F., Aleixo, R., Ferreira, R. M. L. <a target="_blank" href="http://iopscience.iop.org/article/10.1088/0957-0233/27/12/125305/meta">A particle counting system for calculation of bedload fluxes.</a> Meas Sci Technol. 27 (12), 125305(2016).</li>
<li>Heays, K. G., Friedrich, H., Melville, B. W., Nokes, R. <a target="_blank" href="http://ascelibrary.org/doi/abs/10.1061/(ASCE)HY.1943-7900.0000850">Quantifying the dynamic evolution of graded gravel beds using Particle Tracking Velocimetry.</a> J Hydraul Eng. 140 (7), 04014027(2014).</li>
<li>Radice, A., Malavasi, S., Ballio, F. <a target="_blank" href="https://link.springer.com/article/10.1007/s00348-006-0195-9">Solid transport measurements through image processing.</a> Exp Fluids. 41 (5), 721-734 (2006).</li>
<li>Radice, A., Ballio, F. <a target="_blank" href="https://link.springer.com/article/10.2478/s11600-008-0015-0">Double-average characteristics of sediment motion in one-dimensional bed load.</a> Acta Geophys. 56 (3), 654-668 (2008).</li>
<li>Radice, A. <a target="_blank" href="https://www.researchgate.net/publication/245297738_Use_of_the_Lorenz_Curve_to_Quantify_Statistical_Nonuniformity_of_Sediment_Transport_Rate">Use of the Lorenz curve to quantify statistical nonuniformity of sediment transport rate.</a> J Hydraul Eng. 135 (4), 320-326 (2009).</li>
<li>Radice, A., Ballio, F., Nikora, V. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1029/2008WR007192/full">On statistical properties of bed load sediment concentration.</a> Water Resou. Res. 45 (6), W06501(2009).</li>
<li>Radice, A., Ballio, F., Nikora, V. <a target="_blank" href="https://link.springer.com/article/10.2478/s11600-010-0020-y">Statistics and characteristic scales for bed load in a channel flow with sidewall effects.</a> Acta Geophys. 58 (6), 1072-1093 (2010).</li>
<li>Campagnol, J., Radice, A., Ballio, F. <a target="_blank" href="https://link.springer.com/article/10.2478/s11600-012-0028-6">Scale-based statistical analysis of sediment fluxes.</a> Acta Geophys. 60 (6), 1744-1777 (2012).</li>
<li>Radice, A., Nikora, V., Campagnol, J., Ballio, F. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1029/2012WR012255/pdf">Active interactions between turbulence and bed load: Conceptual picture and experimental evidence.</a> Water Resour Res. 49 (1), 90-99 (2013).</li>
<li>Campagnol, J., Radice, A., Nokes, R., Bulankina, V., Lescova, A., Ballio, F. <a target="_blank" href="http://www.tandfonline.com/doi/abs/10.1080/00221686.2013.812152">Lagrangian analysis of bed-load sediment motion: database contribution.</a> J Hydraul Res. 51 (5), 589-596 (2013).</li>
<li>Ballio, F., Radice, A. <a target="_blank" href="http://www.sciencedirect.com/science/article/pii/S100162791500061X">Fluctuations and time scales for bed-load sediment motion over a smooth bed.</a> Int J Sediment Res. 30 (4), 321-327 (2015).</li>
<li>Hosseini-Sadabadi, S. A., Radice, A., Ballio, F. An analysis of entrainment and deposition rate fluctuations in weak bed load transport. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHosseini-Sadabadi%2C+SA+%22Hydrodynamic+and+mass+transport+at+freshwater+aquatic+interfaces%22">Hydrodynamic and mass transport at freshwater aquatic interfaces</a>. Rowiński, P. M., Marion, A. , Springer. 333-342 (2016).</li>
<li>Papanicolaou, A. N., Diplas, P., Balakrishnan, M., Dancey, C. L. <a target="_blank" href="http://ascelibrary.org/doi/abs/10.1061/(ASCE)0887-3801(1999)13:2(71)">Computer vision technique for tracking bed load movement.</a> J Comput Civil Eng. 13 (2), 71-79 (1999).</li>
<li>Ramesh, B., Kothyari, U. C., Murugesan, K. <a target="_blank" href="http://www.tandfonline.com/doi/abs/10.1080/00221686.2011.620369">Near-bed particle motion over transitionally-rough bed.</a> J Hydraul Res. 49 (6), 757-765 (2011).</li>
<li>Amir, M., Nikora, V., Witz, M. <a target="_blank" href="http://www.tandfonline.com/doi/full/10.1080/00221686.2016.1233583">A novel experimental technique and its application to study the effects of particle density and flow submergence on bed particle saltation.</a> J Hydraul Res. 55 (1), 101-113 (2017).</li>
<li>Ettema, R. Ice effects on sediment transport in rivers. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEttema%2C+R+%22Sedimentation+Engineering%22">Sedimentation Engineering</a>. Garcìa, M. H. , Restion, VA. 613-648 (2008).</li>
<li>Knack, I., Shen, H. <a target="_blank" href="http://www.sciencedirect.com/science/article/pii/S1001627915600063">Sediment transport in ice-covered channels.</a> Int J Sediment Res. 30 (1), 63-67 (2015).</li>
<li>Goring, D. G., Nikora, V. I. <a target="_blank" href="http://www.civil.ist.utl.pt/~ruif/SUMMER_SCHOOL/auxiliary/papers/goring_nikora_2002.pdf">Despiking acoustic Doppler velocimeter data.</a> J Hydraul Eng. 128 (1), 117-126 (2002).</li>
<li>Nowak, M. <a target="_blank" href="https://link.springer.com/article/10.1007/s00348-002-0407-x">Wall shear stress measurement in a turbulent pipe flow using ultrasound Doppler velocimetry.</a> Exp Fluids. 33 (2), 249-255 (2002).</li>
<li>McCuen, R. H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMcCuen%2C+RH+%22Microcomputer+applications+in+statistical+hydrology%22">Microcomputer applications in statistical hydrology</a>. , Prentice Hall. Englewood Cliffs, NJ. (1993).</li>
<li>Lloyd, P. M., Ball, D. J., Stansby, P. K. <a target="_blank" href="http://www.tandfonline.com/doi/abs/10.1080/00221689509498658">Unsteady surface-velocity field measurement using particle tracking velocimetry.</a> J. Hydraul. Res. 33 (4), 519-534 (1995).</li>
<li>Radice, A., Aleixo, R., Hosseini-Sadabadi, S. A., Sarkar, S. On image grabbing and processing for measurement of geophysical flows. Proc. HydroSenSoft 2017, International Symposium and Exhibition on Hydro-Environment Sensors and Software. , Madrid, Spain. (2017).</li>
<li>Nokes, R. Streams. System theory and design. , University of Canterbury. Christchurch, New Zealand. Available from:
 <a target="_blank" href="http://www.civil.canterbury.ac.nz/streams.shtml ">http://www.civil.canterbury.ac.nz/streams.shtml </a> (2016).</li>
<li>Hosseini-Sadabadi, S. A., Radice, A., Ballio, F. Post-processing of particle tracking data for phenomenological depiction of weak bed-load sediment transport. Proc. River Flow 2016. VIII Int. Conf. on Fluvial Hydraulics, St. , St. Louis, US. 780-786 (2016).</li>
</ol>

Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.

Projektowanie eksperymentu transportu rumowiska dennego z wizualizacją cząstek składa się z kilku etapów, w tym wyboru konfiguracji eksperymentalnej i narzędzi sprzętowych, pomiaru przepływu, wprowadzania i wizualizacji cząstek oraz analizy obrazu. Rozwiązania na każdym z tych etapów mają swoje zalety i wady. Kluczowe cechy protokołu przedstawionego w niniejszym opracowaniu to: (i) zastosowanie przepływu pod ciśnieniem i stałego szorstkiego dna, (ii) wprowadzenie niewielkiej liczby cząstek rumowiska dennego o kolorze kontrastującym z kolorem stałego dna, (iii) wykorzystanie światła naturalnego oraz (iv) zastosowanie wielu kamer w celu uzyskania niezależnych zestawów trajektorii, które zostaną następnie połączone.
Metoda eksperymentalna oraz przetwarzanie danych umożliwiają niezawodne śledzenie cząstek transportu dennego w celu przeprowadzenia końcowego pomiaru. Pokryty przepływ gwarantuje optymalną widoczność poruszających się cząstek. Jednakże stałe dno uniemożliwia obserwację niektórych procesów (np. tych związanych z pionowymi przemieszczeniami cząstek osadu w obrębie aktywnej warstwy transportu dennego), co ogranicza zastosowanie tej techniki do słabego transportu dennego.
Wielkość próbek danych uzyskanych przy użyciu jedynie 100 s filmu była stosunkowo niewielka. Jednak wielkość próbki można łatwo zwiększyć poprzez wydłużenie czasu trwania eksperymentu podczas akwizycji i przetwarzania obrazów. Podawanie ograniczonej liczby cząstek wymaga dłuższego czasu eksperymentalnego niż podawanie przy znacznie wyższym tempie; jest to jednak wysiłek warty podjęcia ze względu na stosunkowo proste śledzenie cząstek dzięki niskiej koncentracji cząstek w ruchu oraz zastosowaniu różnych kolorów, co w obu przypadkach zmniejsza prawdopodobieństwo błędów w śledzeniu. Zastosowanie światła naturalnego w eksperymencie pozwala uniknąć konieczności użycia urządzeń oświetleniowych; wadą jest jednak to, że dobre oświetlenie zależy od warunków pogodowych.
Rozkłady skumulowane (CFD) długości i czasu trwania skoków cząstek przedstawione na Rysunku 4 wykazują, że najczęstsze są najniższe wartości. Największe zmierzone wartości długości skoku i czasu jego trwania wynosiły odpowiednio około 600 mm i 7 s. Wartości te były znacznie wyższe w porównaniu z analogicznymi danymi z literatury4,16,30, ponieważ pomiar dłuższych ścieżek wiąże się z ryzykiem wystąpienia długich skoków cząstek. Korzyść z zastosowania dwóch kamer jest oczywista, biorąc pod uwagę, że pojedyncza kamera miała obszar ostrości o długości około 850 mm, co nie byłoby znacznie większe od mierzonych wartości długości skoku. Protokół pomiarowy z wykorzystaniem dwóch kamer zapewnił satysfakcjonującą separację między skalami długości procesu a skalami pola pomiarowego, co zredukowało ryzyko obciążenia wyników fenomenologicznych ze względu na ograniczenia eksperymentalne. Ponadto obszar ostrości można dodatkowo wydłużyć poprzez zwiększenie liczby kamer rozmieszczonych wzdłuż kanału.
Alternatywną procedurą w stosunku do opisanego tutaj protokołu jest tworzenie obrazów z zakładkami przed identyfikacją i śledzeniem cząstek. Nasz protokół (polegający na dwukrotnym przeprowadzeniu śledzenia i powiązaniu ścieżek cząstek) został wybrany dlatego, że metoda łączenia obrazów spowodowałaby dwukrotne zwiększenie rozmiaru plików z danymi, co wymagałoby zużycia pamięci przekraczającego dostępne możliwości.
Przy zastosowaniu opisanych tutaj algorytmów przetwarzania odrzucono kilka śladów cząstek, których długość była mniejsza od długości obszaru nakładania się, ponieważ uniemożliwiały one pełną rekonstrukcję śladów w osadach. Jednakże progowa długość 120 mm była o rząd wielkości mniejsza od długości śladów, jakie można było uzyskać, w związku z czym utrata tych danych była dopuszczalna. Co więcej, łączenie śladów widoczne w dolnych 8 przypadkach na Rysunku 1 nie pozwoliłoby na uzyskanie znaczącego zwiększenia długości śladu. Z drugiej strony sytuacje te mogą pomóc w odzyskiwaniu długich śladów, tak jak w przypadku przedstawionym na Rysunku 5, co może wynikać z przerwań śladu. W podobnym przypadku długi ślad można zrekonstruować poprzez iteracyjne operacje łączenia. Należy jednak pamiętać, że przerwy w śladach, takie jak te na Rysunku 5, są wyraźnie związane z procesem śledzenia, a nie z procesem łączenia.
W niniejszym manuskrypcie przedstawiono wyniki dowodu koncepcji dla pojedynczego eksperymentu, aby zademonstrować możliwości zastosowanego protokołu. W przyszłych eksperymentach protokół zostanie zastosowany w szeregu różnych warunków hydrodynamicznych w celu przeprowadzenia szczegółowej analizy procesu transportu osadów przydennych.
<img alt="Równowaga statyczna, schemat ΣFx=0, wizualna reprezentacja sił w układzie do analizy edukacyjnej." class="xfigimg" src="/files/ftp_upload/55874/55874fig5.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 5"> 
Rysunek 5: Sytuacja łączenia śladów w obecności przerwań. Połączenie tych ścieżek w jedną ścieżkę nie jest możliwe przy zastosowaniu protokołu opisanego w niniejszej sekcji. Jak wspomniano w podpisie do Rysunek 1 a w kroku 8.4 protokołu wyklucza się fragmenty krótsze niż długość regionu nakładania. Pozwala to na usunięcie krótkich śladów czerwonych i zielonych; w konsekwencji pozostałe długie ślady nie mogą zostać połączone, ponieważ nie posiadają punktu wspólnego. <a href="//cloudflare.jove.com/files/ftp_upload/55874/55874fig5large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej figury.</a>

Odkąd kilka dekad temu pojawiły się pionierskie prace1,2, wykorzystanie analizy obrazu do badania transportu osadów rzecznych stale rośnie. Technika ta rzeczywiście dowiodła swojej zdolności do dostarczania danych o stosunkowo wysokiej rozdzielczości i niskich kosztach do szczegółowych analiz zjawisk fizycznych3,4,5. Z czasem uzyskano znaczące ulepszenia zarówno w zakresie narzędzi sprzętowych, jak i programowych.
Pomiar transportu osadów może być wykonany przy użyciu podejścia Eulera, które ma na celu pomiar strumieni osadów, lub podejścia Lagrange'a, które ma na celu pomiar trajektorii poszczególnych ziaren podczas ich ruchu. Przetwarzanie obrazu oferuje unikalne możliwości śledzenia cząstek w porównaniu z innymi metodami Eulera6,7. Jednak pomimo tych możliwości, zastosowanie analizy obrazu do transportu osadów pod obciążeniem podłoża cierpi z powodu pewnych krytycznych ograniczeń eksperymentalnych, jeśli chodzi o przestrzenne/czasowe skale wsparcia dla pomiaru i wielkości próbek danych. Na przykład, trudno jest osiągnąć jednocześnie odpowiednią kombinację dużego obszaru przestrzennego, długiego czasu trwania eksperymentu i wysokiej częstotliwości pomiarów3,4,8, bez uszczerbku dla jakości i ilości danych. Ponadto śledzenie cząstek można wykonać ręcznie2,4, co wymaga dużego wysiłku ludzkiego, lub automatycznie3,8, z możliwością śledzenia błędów popełnionych przez oprogramowanie użyte do analizy.
Ten artykuł przedstawia protokół eksperymentalnego badania transportu osadów pod obciążeniem podłoża, gdzie długi czas trwania osiągnięto dzięki typowi użytej kamery, duże pole widzenia zapewniono dzięki jednoczesnemu użyciu dwóch kamer w różnych miejscach, a niezawodne automatyczne przetwarzanie było możliwe dzięki doraźnym warunkom eksperymentalnym. Operację eksperymentalną zaprojektowano, a narzędzia przetwarzania wybrano w oparciu o doświadczenia zdobyte przez autorów w kilku pracach badawczych dotyczących szczegółowego badania transportu osadów metodami obrazowymi3,9,10,11,12,13,14,15,16,17,18.
Opisano eksperyment z transportem osadów, który został przeprowadzony uwalniając cząstki nad stałym, szorstkim podłożem. Podawanie cząstek było znacznie mniejsze niż zdolność transportowa przepływu, aby utrzymać niskie stężenie poruszających się ziaren, unikając w ten sposób zatorów cząstek, które mają być śledzone. Co więcej, transportowane cząstki nie poruszały się w sposób ciągły, ale obserwowano ruch przerywany. Korzystanie ze stałego łóżka zamiast ruchomego oznacza utratę podobieństwa do warunków naturalnych. Jednak w eksperymentach z transportem osadów często stosowano stałe złoże19,20,21 przy założeniu, że wyniki są prostsze i bardziej wyjaśniające niż te ze skomplikowanych scenariuszy z różnymi procesami działania. Zastosowanie stałego złoża w oczywisty sposób zapobiega obserwowaniu procesów zakopywania osadów i ich ponownego pojawiania się. Z drugiej strony, w przypadku słabego obciążenia złoża, transport osadu odbywa się w powierzchownej warstwie luźnego złoża i w tym przypadku odpowiednie może być zastosowanie stałego złoża. W rzeczywistości konkretne porównania między właściwościami ruchu cząstek w eksperymentach przeprowadzonych w tych dwóch warunkach nie wykazały żadnych istotnych różnic3,14. Wreszcie, przedstawiony tutaj eksperyment został przeprowadzony z przepływem pod ciśnieniem, aby zapewnić optymalne warunki do wizualizacji cząstek przez przezroczystą pokrywę. Transport osadów z przepływem pod ciśnieniem został eksperymentalnie przebadany w prototypach badawczych rzek pokrytych lodem, pokazując, że interakcja między warstwą graniczną przydna a osadem jest analogiczna do tej w przepływie w otwartym kanale22,23. W poniższych sekcjach przedstawiono wszystkie metody i przedstawiono niektóre reprezentatywne wyniki.

<table><tbody><tr><td>Laserowy czujnik odległości</td><td>METRICA</td><td>PREXISOX2</td><td>Służy do pomiaru nachylenia koryta</td></tr><tr><td>Dwuskładnikowa żywica poliestrowa</td><td>Gelson</td><td>MS 65213</td><td>Służy do przyklejania cząstek osadu do płyt stalowych Wodoodporna</td></tr><tr><td>farba w sprayu</td><td>Dowolna</td><td></td><td>Służy do malowania stałego łoża</td></tr><tr><td>Ultradźwiękowy profiler prędkości</td><td>Przetwarzanie sygnału</td><td>DOP 2000</td><td>Służy do pomiaru wody profile prędkości</td></tr><tr><td>Kamera</td><td>Go-Pro</td><td>Hero 4</td><td>Służy do pozyskiwania filmów ruchu cząstek pod obciążeniem łóżka</td></tr><tr><td>Strumienie</td><td>University of Canterbury</td><td>2.01</td><td>Służy do identyfikacji i śledzenia cząstek</td></tr><tr><td>MatLab</td><td>MathWorks</td><td>R14</td><td>Służy do opracowywania kodów ad hoc dla różnych operacji</td></tr><tr><td>Pleksiglas</td><td></td><td></td><td>Przezroczysty materiał akrylowy</td></tr></tbody></table>

Śledzenie cząstek lagrange'a na podstawie obrazu w eksperymentach z obciążeniem łóżka

Image-based Lagrangian Particle Tracking in Bed-load Experiments

Analiza obrazu jest coraz częściej wykorzystywana do pomiaru przepływów rzek ze względu na jej zdolność do dostarczania szczegółowych opisów ilościowych przy stosunkowo niskich kosztach. Manuskrypt ten opisuje zastosowanie prędkości śledzenia cząstek (PTV) w eksperymencie z obciążeniem złoża lekkim osadem. Kluczowymi cechami badanych warunków transportu osadów była obecność przepływu zakrytego oraz stałego szorstkiego złoża, powyżej którego cząstki były uwalniane w ograniczonej liczbie na wlocie koryta. W zastosowanych warunkach przepływu ruch poszczególnych cząstek obciążenia złożem był przerywany, z naprzemiennymi warunkami ruchu i bezruchu. Wzorzec przepływu został wstępnie scharakteryzowany za pomocą pomiarów akustycznych pionowych profili prędkości w zależności od strumienia. Podczas wizualizacji procesu uzyskano duże pole widzenia za pomocą dwóch kamer sportowych umieszczonych w różnych miejscach wzdłuż koryta. Protokół eksperymentalny jest opisany pod kątem kalibracji kanałów, realizacji eksperymentu, wstępnego przetwarzania obrazu, automatycznego śledzenia cząstek i przetwarzania końcowego danych śledzenia cząstek z dwóch kamer. Przedstawione wyniki proof-of-concept obejmują rozkłady prawdopodobieństwa długości i czasu trwania przeskoku cząstek. Osiągnięcia tej pracy porównano z osiągnięciami istniejącej literatury w celu wykazania ważności protokołu.

Wyniki przedstawione w tej sekcji dotyczą eksperymentu, w którym nachylenie rynny ustawiono na zero (wartości nachylenia obliczono z dokładnością ± 0,05%). Użyty osad składał się z cząstek PBT o kształcie quasi-sferycznym, o rozmiarze d = 3 mm i gęstości ρp = 1 270 kg/m3. Eksperyment przeprowadzono przy natężeniu przepływu Q = 9,7 × 10-3 m3/s, co skutkowało prędkością średnią U = 0,31 m/s.
Do pomiarów prędkości za pomocą UVP wykorzystano sondę 2 MHz pod kątem nachylenia 81°. Dane prędkości pozyskiwano z częstotliwością 20 Hz przez 250 s. Reprezentatywny profil prędkości przedstawiono na Rysunku 2. Został on wykonany na osi kanału, w odległości 4,5 m od wlotu rynny, w miejscu, gdzie przepływ był w pełni rozwinięty. Usunięto niektóre wartości związane z błędnymi pomiarami wysokości. Asymetryczny profil wynikał z różnej chropowatości plastikowej pokrywy i dna osadowego. Wykresy pokazują również fragment profilu wykorzystany do oszacowania prędkości ścinania, z której uzyskano us = 25,9 ± 1,3 mm/s. Liczba Reynoldsa dla cząstek (Rep = us×d/ν, gdzie ν oznacza lepkość kinematyczną wody) wynosiła zatem 78, co wskazuje na przejściowy reżim chropowatości.
Wizualizację transportu osadów przeprowadzono za pomocą dwóch kamer umieszczonych w odległości 3,5 m i 4,3 m od wlotu kanału. Kamery pracowały z częstotliwością 30 fps i rozdzielczością 1 920 x 1 080 pikseli. Współczynnik korekcji dystorsji obrazu wynosił k = 0,6. Po usunięciu dystorsji kalibracja obrazu wynosiła 1 piksel = 0,5 mm. Długość obszaru nakładania się obrazów wynosiła od 760,15 do 80,1 mm (gdzie ta druga wartość była długością obszaru ogniskowania pierwszej kamery od jej górnej krawędzi). Próg intensywności dla identyfikacji cząstek ustawiono na 80, a oczekiwany rozmiar plamy (blob) mieścił się w zakresie od 0,5 do 8 mm. Okno wyszukiwania dla śledzenia cząstek było następujące: 1 mm w górę nurtu i 7 mm w dół nurtu, 4 mm w kierunku bocznym. Okno wyszukiwania dla ponownego połączenia przerwanych śladów było następujące: 1 mm w górę nurtu i 31 mm w dół nurtu, 16 mm w kierunku bocznym w ciągu 4 następujących klatek. Wartość progowa pierwiastka kwadratowego z różnicy średniokwadratowej wartości x i y pomiędzy dwoma śladami do połączenia została ustawiona na 10 mm.
Tory cząstek zmierzone przy użyciu podzbioru 3 00 obrazów z każdej kamery (odpowiadających czasowi trwania 10 s) przedstawiono na Rysunku 3. Baza danych obejmowała odpowiednio 37 i 34 tory z kamery znajdującej się powyżej i poniżej nurtu. Najpierw zaproponowano nakładkę torów uzyskanych z obu kamer, a następnie wyświetlono wynikowy pełny zestaw torów. Wyraźnie widać, że nakładka w środkowej części obszaru pomiarowego była satysfakcjonująca. Ostatecznie uzyskano 12 połączeń dla 59 torów. Najdłuższy tor obejmował całe okno obserwacyjne z całkowitą długością około 1,6 m (więcej niż 530 rozmiarów cząstek, 15,2 głębokości przepływu lub 5,3 szerokości rynny), co jest wartością bardzo dużą w porównaniu z innymi badaniami literaturowymi, w których przeprowadzono podobne analizy3,4,5,8.
Przyjmując ramy lagranżowskie, kluczowe wskaźniki kinematyki cząsteczek zostały tutaj zastosowane w odniesieniu do właściwości przeskoków cząsteczek. W przypadku przerywanego transportu przydennego, takiego jak w tym eksperymencie, przeskoki te są ruchami oddzielonymi okresami spoczynku. Aby wykryć przeskoki w pełnej trajektorii pojedynczej cząsteczki, niezbędnym krokiem wstępnym jest identyfikacja ruchu i bezruchu cząsteczki. W niniejszej pracy zastosowano kryterium30, zgodnie z którym cząsteczka uznawana jest za będącą w ruchu w danym momencie, jeśli jej pozycja x w tym momencie jest większa od wszystkich poprzednich i mniejsza od wszystkich następnych. Z 59 zmierzonych trajektorii cząsteczek uzyskano łącznie 98 przeskoków. Rycina 4 przedstawia uzyskany skumulowany rozkład częstości (CFD) dla długości i czasu trwania przeskoków.
<img alt="Wykresy profilu prędkości cieczy; u(mm/s) w funkcji odległości(mm), górna pokrywa i dno; wyniki analizy danych." class="xfigimg" src="/files/ftp_upload/55874/55874fig2.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 2"> 
Rysunek 2: Zmierzony profil prędkości. (Góra) Uśredniony w czasie pionowy profil składowej prędkości przepływu w kierunku strumienia. (Dół) Wyznaczenie prędkości ścinania poprzez dopasowanie równania logarytmicznego do dolnej części profilu. Należy zauważyć, że na pierwszym wykresie zastosowano oś pionową zaczynającą się od górnej krawędzi kanału i skierowaną w dół, co reprezentuje wynik pomiaru wykonanego za pomocą UVP. Na drugim wykresie zastosowano natomiast oś wychodzącą z dna kanału i skierowaną w górę, co było konieczne do wyznaczenia prędkości ścinania poprzez dopasowanie równania. <a href="https://cloudflare.jove.com/files/ftp_upload/55874/55874fig2large.jpg" target="_blank">Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Trajektorie ruchu zwierząt, wykres danych śledzenia, przedstawiający przestrzenne ścieżki x-y, analiza ilościowa." class="xfigimg" src="/files/ftp_upload/55874/55874fig3.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 3"> 
Rysunek 3: Widok z góry zmierzonych śladów cząstek. (Góra) Tor śledzenia z dwóch kamer (kamera przednia na czerwono i kamera tylna na czarno). (Dół) Przykład połączonych torów śledzenia (zmiana koloru dla przejrzystości, niektóre tory wyróżnione grubszą linią). <a href="https://cloudflare.jove.com/files/ftp_upload/55874/55874fig3large.jpg" target="_blank">Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.</a>
<img alt="Wykres dystrybuanty częstotliwości przedstawiający korelację między długością a czasem trwania skoku w analizie biomechanicznej." class="xfigimg" src="/files/ftp_upload/55874/55874fig4.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 4"> 
Rysunek 4: Skumulowany rozkład częstości (CFD) długości skoku (góra) i czasu trwania (dół). W obrębie każdej ścieżki Rycina 3cząstkę znakowano w każdym punkcie czasowym, aby określić, czy w danej chwili znajdowała się ona w ruchu, czy w spoczynku. Następnie z trajektorii wyekstrahowano skoki cząstek jako odcinki pomiędzy entrainmentem cząstki (przejściem ze stanu spoczynku do ruchu) a disentrainmentem (przejściem z ruchu do spoczynku). Próbki długości i czasu trwania skoków posłużyły do stworzenia przedstawionych tutaj rozkładów. <a href="https://cloudflare.jove.com/files/ftp_upload/55874/55874fig4large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
Pliki z dodatkowym kodem: join_cameras.m <a href="http://cloudflare.jove.com/files/ftp_upload/55874/join_cameras.m">Kliknij tutaj, aby pobrać ten plik.</a>

Rękopis przedstawia protokół przeprowadzania eksperymentów z transportem osadów pod obciążeniem pokładowym, gdzie poruszające się cząstki są śledzone za pomocą analizy obrazu. Przedstawiono tu obiekt doświadczalny, procedury realizacji przebiegu i przetwarzania danych, a na koniec wyniki proof-of-concept.

Image analysis has been increasingly used for the measurement of river flows due to its capabilities to furnish detailed quantitative depictions at a ...

Ogólnym celem tej procedury jest pomiar trajektorii poszczególnych cząstek transportowanych przez przepływ jako materiał przydenny na dużym obszarze obserwacji, aby uniknąć błędów eksperymentalnych związanych z maksymalną długością mierzalnych ścieżek. Metoda ta może pomóc w odpowiedzi na kluczowe pytania dotyczące mechaniki transportu przydennego, ponieważ dostarcza szczegółowych informacji o ruchu cząstek i zdarzeniach spoczynkowych. Główną zaletą tej techniki jest możliwość śledzenia transportowanych cząstek na długich dystansach, co pozwala na obserwację długotrwałych procesów.Pomysł na tę metodę pojawił się podczas analizy danych z poprzednich eksperymentów, kiedy zauważyliśmy, że cząstki mogą być transportowane na większe odległości w stosunku do okien obserwacyjnych. Najpierw należy przygotować zestaw stalowych płytek pokrytych warstwą badanych cząstek osadu. Powierzchnię osadu należy pokryć wodoodporną czarną farbą.Następnie umieść podpory z PVC na dnie rynny i połóż na nich płyty. Dostosuj rozmieszczenie płyt w razie potrzeby, aby zapewnić ciągłość złoża osadów. Następnie przykryj kanał przezroczystymi pokrywami akrylowymi.Ustaw rynnę na pożądany kąt nachylenia. Następnie włącz pompę rynny i napełnij kanał wodą. Ustaw natężenie przepływu za pomocą zaworu regulacyjnego.Używając regulatora wody odpływowej, ustaw wysokość słupa ciśnienia nieco powyżej pokryw kanału. Upewnij się, że przepływ jest zapewniony bez wywierania znacznej siły na pokrywy. Sprawdzaj natężenie przepływu i wysokość słupa ciśnienia co 15 minut, aż różnica między pomiarami stanie się niewielka, co będzie wskazywać na stabilny przepływ.Następnie zamontuj profilometr prędkości ultradźwiękowy w uchwycie o określonym nachyleniu. Na końcówkę sondy nałóż żel ultradźwiękowy. Umieść sondę nad pokrywą rynny, kierując ogon sondy w stronę wlotu kanału.Prawidłowe umieszczenie żelu badawczego jest kluczowe dla uzyskania dobrych profili prędkości w celu charakterystyki tła warunków hydrodynamicznych. Podłącz sondę do modułu akwizycji i skonfiguruj urządzenie do pomiaru chwilowych profili prędkości. Pozyskaj żądaną liczbę profili prędkości.Następnie zmień położenie sondy na przeciwległe i uzyskaj kolejny zestaw profili prędkości. W ten sposób zmierz profile prędkości dla każdego punktu pomiarowego w kanale. Następnie oblicz średnią wartość prędkości dla każdej lokalizacji i wyznacz składowe prędkości w kierunku nurtu oraz w pionie.Dostosuj wartości zgodnie z właściwościami ośrodka, przez który przechodziła wiązka akustyczna. Wyznacz zakres wysokości, dla których profil składowej prędkości wzdłuż strumienia wykazuje trend liniowy na wykresie półlogarytmicznym. Dopasuj krzywą do równania logarytmicznego i oszacuj prędkość ścinania.Aby rozpocząć eksperyment, ustaw częstotliwość klatek i rozdzielczość dwóch kamer akcyjnych zgodnie z pożądanymi parametrami. Zamontuj kamery na bocznych ściankach pokryw, skierowane w stronę dna kanału, w wystarczająco małej odległości od siebie, aby obszary ostrości się pokrywały. Upewnij się, że rynna jest oznakowana wizualnymi punktami odniesienia dla znanych odległości.Nagraj krótki film za pomocą każdej kamery. Na podstawie nagrań dostosuj położenie i orientację kamer, aby upewnić się, że kanał znajduje się w kadrze, a obszary ostrości na siebie nachodzą. Zweryfikuj, czy przepływ przez kanał jest stabilny.Następnie należy powoli wprowadzać ręcznie badane cząstki do wlotu rynny z częstotliwością jednej cząstki co dwie do trzech sekund. Podajemy niewielką ilość osadów, ponieważ obecność niewielkiej liczby cząstek w polu widzenia jest istotna dla łatwego śledzenia osadów. Przy małych przepływach niektóre cząstki mogą jednak utknąć w obszarze ogniskowania.Rozpocznij nagrywanie obiema kamerami wideo. Wyłącz światła w pomieszczeniu, aby stworzyć punkt odniesienia do późniejszej synchronizacji kamer. Utrzymuj stały poziom oświetlenia przez cały czas trwania eksperymentu.Kontynuuj podawanie cząstek do rynny podczas całego pożądanego czasu trwania eksperymentu. Następnie wyłącz kamery i usuń uwięzione cząstki z warstwy osadów. Powtórz eksperyment w innych warunkach hydrodynamicznych, jeśli jest to wymagane.Aby rozpocząć przetwarzanie obrazów wyekstrahowanych z filmów, najpierw należy zastosować transformację radialną do współrzędnych pikseli, tak aby ścianki kanału doświadczalnego wydawały się liniami prostymi. Wyznacz czynnik przeliczeniowy z pikseli na odległość na podstawie wysokości dna oraz markerów referencyjnych o znanych odległościach. Następnie utwórz nową sekwencję obrazów w oprogramowaniu do analizy obrazów przepływu płynów.Wprowadź odstęp czasu między klatkami oraz współczynnik przeliczeniowy pikseli na odległość dla sekwencji obrazów. Wybierz interesujące pliki i uruchom proces. Wygeneruj mapy intensywności dla losowo wybranych obrazów cząstek z sekwencji.Wyznacz odpowiednią wartość progu dla intensywności analizowanych cząstek. Następnie utwórz potok filtrów dla sekwencji. Ustaw filtr na usuwanie tła.Utwórz nowy algorytm identyfikacji cząstek, korzystając z pojedynczego progu. Wprowadź wartości progowe dla intensywności i średnicy cząstek. Dodaj procesy identyfikacji cząstek do potoku filtracji, a następnie wykonaj te procesy.Po zakończeniu filtrowania otwórz widok obrazu nowo utworzonego rekordu cząsteczki. Przewiń klatki i odnotuj przemieszczenia cząsteczek pomiędzy obrazami. Następnie utwórz nową potok analizy PTV.Utwórz nową analizę i wybierz dystans w karcie kosztów. Wprowadź pozycję oraz wymiary okna wyszukiwania. Dodaj nowy proces do potoku i uruchom proces.Użyj funkcji ponownego łączenia ścieżek (track reconnection), aby naprawić wszelkie przerwy w rekordach poszczególnych cząstek. Powtórz ten proces dla nagrania z drugiej kamery. Następnie w specjalistycznym module przetwarzania obrazu wybierz plik ścieżek dla obu kamer i kliknij „find track properties”.Porównaj obrazy z kamer ustawionych powyżej i poniżej nurtu, aby określić przesunięcie współrzędnych między kamerami. Wprowadź wartość przesunięcia współrzędnych dla kamery dolnej i kliknij przycisk ujednolicenia systemu odniesienia. Wprowadź granice obszaru nakładania się obrazów.Usuń wszystkie trajektorie, których długość jest mniejsza niż długość obszaru nakładania się. Połącz bazy danych torów cząstek i uzupełnij tolerancje nakładania. Następnie połącz tory.Po zakończeniu procesu należy zapisać wyniki, a następnie przeanalizować dane z trajektorii w celu zbadania kinematyki cząstek transportu rzecznego. Zmierzony profil prędkości przepływu był asymetryczny, co przypisano różnicy w chropowatości między dnem osadowym a pokrywą kanału. Kamery znajdujące się powyżej i poniżej nurtu zarejestrowały odpowiednio 37 i 34 trajektorie w ciągu 100 sekund.Po połączeniu danych z obu kamer zidentyfikowano łącznie 59 trajektorii. Najdłuższa trajektoria obejmowała całe okno obserwacyjne, osiągając całkowitą długość około 1,6 meters. Przeanalizowano trajektorie w celu ustalenia, kiedy cząstki były w ruchu, a kiedy spoczywały na dnie osadowym.Duży obszar obserwacji pozwolił na zidentyfikowanie długich skoków, przy czym w tych warunkach hydrodynamicznych zaobserwowano skoki o długości do 600 milimetrów. Stwierdzono, że najczęściej występują skoki krótsze i szybsze. Po obejrzeniu tego filmu powinieneś mieć dobrą wiedzę na temat przeprowadzania eksperymentów transportu osadów z wykorzystaniem śledzenia cząstek na dużych obszarach.Podczas wykonywania tej procedury należy zadbać o dobre oświetlenie eksperymentu; choć obrazowanie można realizować na wiele sposobów, rozpoczęcie pracy od wysokiej jakości obrazów znacznie ułatwia dalsze etapy analizy. Po opracowaniu ta technika otworzyła przed badaczami w dziedzinie transportu osadów możliwość eksploracji wielu wskaźników służących do interpretacji procesów i modelowania.

image-based-lagrangian-particle-tracking-in-bed-load-experiments

Research

JoVE Journal

Environment

Środowisko

Mikroskopia konfokalna służy do obrazowania spoczynkowych i przepływających mieszanin koloidowo-polimerowych, które są badane jako układy modelowe dla atrakcyjnych zawiesin. Algorytmy analizy obrazu służą do obliczania wskaźników strukturalnych i dynamicznych dla cząstek koloidalnych, które mierzą zmiany spowodowane ograniczeniem geometrycznym.

Obrazowanie konfokalne ograniczonych mieszanin koloidalno-polimerowych w stanie spoczynku i przepływu

FIM to nowatorski, ekonomiczny system obrazowania przeznaczony do śledzenia małych poruszających się obiektów, takich jak C. elegans, planaria czy larwy Drosophila. Towarzyszący mu program FIMTrack został zaprojektowany tak, aby zapewnić szybką i wydajną analizę danych. Razem narzędzia te umożliwiają wysokoprzepustową analizę cech behawioralnych.

FIM Imaging i FIMtrack: dwa nowe narzędzia umożliwiające wysokowydajną i ekonomiczną analizę lokomocji

Mikroreologia śledząca cząstki bada lepkosprężystość materiałów. W tym przypadku technika ta jest wykorzystywana do określania lepkosprężystości, podatności pełzania i efektywnych ról sieciowania różnych składników matrycy biofilmu bakteryjnego. Matryca składa się z substancji polimerowych wydzielanych przez bakterie, a jej składniki decydują o budowie biofilmu i właściwościach mechanicznych.

In Situ Mapowanie właściwości mechanicznych biofilmów za pomocą mikroreologii śledzącej cząstki

Ten manuskrypt opisuje, jak tworzyć regularne formy podłoża w korycie, wizualizować przepływ przez formy łóżka i używać symulacji komputerowych do symulacji przepływu hiporetycznego.  Symulacje komputerowe wypadają dobrze w porównaniu z obserwacjami eksperymentalnymi.  Ta sprzężona symulacja i eksperyment doskonale nadaje się zarówno do celów badawczych, jak i edukacyjnych.

Wizualizacja przepływu hiporheicznego przez formy łóżka za pomocą eksperymentów i symulacji barwników

Trójwymiarowy system prędkości śledzenia cząstek (3D-PTV) oparty na szybkiej kamerze z czterostopniowym rozdzielaczem jest opisany tutaj. Technika ta jest stosowana do strumienia strumienia z okrągłej rury w pobliżu dziesięciu średnic w dół rzeki pod numerem Reynoldsa Re ≈ 7000.

Trójwymiarowa prędkość śledzenia cząstek do zastosowań turbulencyjnych: przypadek przepływu strumieniowego

Eksperymentalnie dostępna analogowa metoda badania molekularnych procesów hydrodynamicznych w gęstych płynach jest prezentowana. Technika ta wykorzystuje obrazowanie prędkości cząstek wibrujących pryzm zboża o wysokiej restytucji i umożliwia bezpośrednią, makroskopową obserwację procesów dynamicznych, o których wiadomo i przewiduje się, że zachodzą w silnie oddziałujących gazach i cieczach o dużej gęstości.

Analogowa technika makroskopowa do badania molekularnych procesów hydrodynamicznych w gęstych gazach i cieczach

Ten protokół szczegółowo opisuje budowę i działanie mikroskopu 3D do śledzenia pojedynczych cząstek w czasie rzeczywistym, zdolnego do śledzenia nanoskalowych sond fluorescencyjnych przy wysokich prędkościach dyfuzyjnych i niskich szybkościach zliczania fotonów.

Protokół do śledzenia pojedynczych cząstek 3D w czasie rzeczywistym

Prezentowane są dwie różne metody charakteryzowania początkowego ruchu cząstek pojedynczego koralika jako funkcji geometrii złoża osadu od przepływu laminarnego do turbulentnego.

Wizualna charakterystyka początkowego ruchu cząstek w regularnych podłożach: od warunków laminarnych do turbulentnych

Technika opisana tutaj oferuje tanią i stosunkowo prostą metodę jednoczesnego pomiaru kinematyki cząstek i turbulencji w przepływach o niskich stężeniach cząstek. Turbulencje są mierzone za pomocą prędkości obrazu cząstek (PIV), a kinematyka cząstek jest obliczana na podstawie obrazów uzyskanych za pomocą szybkiej kamery w nakładającym się polu widzenia.

Jednoczesny pomiar turbulencji i kinematyki cząstek z wykorzystaniem technik obrazowania przepływowego

Ten artykuł szczegółowo opisuje, jak tworzyć próbki do śledzenia pojedynczego białka w dwuwarstwach lipidowych wspieranych w stałych. Wyjaśnia to także prosty mikroskop fluorescencyjny o czułości na pojedynczą cząsteczkę i szybkim płynności. Na koniec przedstawiamy procedurę wyodrębniania trajektorii pojedynczych białek.

Śledzenie pojedynczych białek w dwuwarstwach lipidowych za pomocą mikroskopii fluorescencyjnej

Naucz się śledzić cząstki osadu w transporcie fluwialnym metodą analizy obrazu. Technika ta umożliwia precyzyjne pomiar trajektorii na dużych obszarach, eliminując błędy obserwacyjne i dostarczając szczegółowych danych o kinematyczce ruchu.

Śledzenie cząstek lagrange'a na podstawie obrazu w eksperymentach z obciążeniem łóżka

Przeglądaj więcej filmów