文章精选
您当前的位置:首页 > 期刊文章 > 文章精选
哈尔滨理工大学:Dual-CBAM-DeepLabV3+实现流化床混合颗粒三元语义分割及纳米颗粒聚集特性精准表征
发布时间:2026-09-23
【字体:大   中   小】

Ternary semantic segmentation of hybrid particles in fluidized beds via dual CBAM-DeepLabV3+: Enhanced characterization of nanoparticle agglomeration

陈巨辉*,朱永新,李丹,彭步阳,赵永恩,杜文清,曹希峰,Siarhei Lapatsin,Michael Zhuravkov

Keywords: Semantic Segmentation; DeepLabV3+; Dual CBAM; Geldart B particles; Nanoparticle agglomeration

DOI: 10.1016/j.partic.2026.06.022

本文构建了一种基于Dual-CBAM增强DeepLabV3+的三元语义分割框架,实现了微流化床中背景、纳米颗粒聚团及Geldart B颗粒的像素级精准辨识。通过在编码器与解码器关键层级引入双重注意力机制,显著增强了复杂体系中的多尺度特征表达与类别判别能力,大幅提升了边界细节与微弱特征的刻画精度。基于高精度语义分割结果,构建了颗粒面积分数、等效直径、径向分布及圆形度等定量分析体系,系统揭示了不同工况下颗粒的空间演化规律。结果表明,该方法能有效解析混合颗粒体系内的竞争机制与结构演化行为,为复杂气固流化过程的颗粒形态调控提供了定量依据。

相关研究成果发表于PARTICUOLOGY(Volume 116),欢迎感兴趣的读者扫描下方二维码或者点击文末“阅读原文”进入ScienceDirect官网阅读、下载!

亮点

1. 构建了一种面向混合颗粒体系的三元语义分割框架,实现了背景、纳米颗粒聚团及Geldart B颗粒的像素级精准辨识,为复杂气固流化系统中的颗粒结构解析奠定了高置信度的图像分析基础。

2. 开发了嵌入Dual-CBAM双重注意力机制的DeepLabV3+架构,通过增强编码器与解码器的多尺度特征表达与类别判别能力,显著提升了复杂背景与跨尺度颗粒共存条件下的分割稳定性与鲁棒性。

3. 阐明了Geldart B颗粒对纳米颗粒聚团行为的调控机理,证实其可有效抑制过度团聚并促进结构致密化与形态规整化,为多相颗粒流化行为与空间演化机制分析提供了重要依据。


研究背景

纳米颗粒因其尺寸效应与高比表面积,在化工及功能材料等领域具有广泛应用前景。然而,其极小尺度与显著颗粒间作用力使其在流化与输运过程中易发生多尺度不稳定聚团,从而降低流动均匀性并削弱传热传质效率。为改善纳米颗粒流化行为,Geldart B颗粒常作为辅助床料引入以调控颗粒间相互作用并抑制过度团聚。尽管已有研究证实其在提升流化质量方面的有效性,但现有研究多基于宏观统计分析,难以实现纳米颗粒与Geldart B颗粒在混合体系中的空间分布及相互作用的精细化表征。同时,传统实验与成像方法受限于结构扰动、分辨率不足及背景干扰等问题,使得混合颗粒体系的精确解析仍然面临挑战。因此,亟需发展一种能够实现多类别颗粒像素级识别与定量分析的可靠方法,以支撑复杂流化体系中颗粒行为的深入研究。


要点精读

1. 模型构建与验证

本文提出了DeepLabV3+ (Dual-CBAM) 三分类语义分割模型结构(图1)。该模型在保留DeepLabV3+编码器–解码器框架的基础上,分别在编码器的骨干网络输出与ASPP模块之间以及解码器3×3卷积之后、最终上采样之前引入CBAM模块,通过联合建模通道注意力与空间注意力,增强对纳米颗粒聚团、Geldart B颗粒及背景区域判别特征的提取能力,从而提高复杂混合颗粒体系中的边界识别精度和类别区分能力。

与基准模型相比,改进模型在各类别上的预测准确率均有所提升,尤其在纳米颗粒聚团与Geldart B颗粒的识别方面表现出更强的类别识别能力,表明引入Dual-CBAM能够有效增强特征表达并降低类别混淆。图2给出了基准DeepLabV3+模型与DeepLabV3+ (Dual-CBAM) 模型的归一化混淆矩阵对比结果。

为进一步评估所提方法的有效性,从消融实验,主流语义分割模型对比及模型稳定性验证三方面进行了综合分析。结果表明,DeepLabV3+(Dual-CBAM)在纳米颗粒聚团及Geldart B颗粒识别中整体优于FCN、U-Net及基准DeepLabV3+模型。消融实验进一步证明CBAM模块能够显著增强特征表达与边界定位能力,其中DeepLabV3+(Dual-CBAM)模型效果最佳;在不同实验条件下的验证结果也充分表明模型具有良好的稳定性与鲁棒性。整体而言,构建的方法在混合颗粒语义分割任务中具有较高的有效性与可靠性。

图1. DeepLabV3+ (Dual-CBAM) 模型示意图

图2.(a)DeepLabV3+行归一化混淆矩阵;(b)DeepLabV3+(Dual-CBAM)行归一化混淆矩阵

图3.(a)纳米颗粒聚团面积分数比较;(b)Geldart B颗粒面积分数比较;(c)Geldart B颗粒平均等效直径比较;(d)纳米颗粒聚团平均等效直径比较


2. 基于高精度语义分割的混合颗粒体系颗粒特征定量表征

基于高精度语义分割结果,对单一纳米颗粒体系与混合颗粒体系中纳米颗粒聚团平均等效直径的径向分布、圆形度、径向面积分数分布特性进行了分析,重点考察了不同轴向高度下聚团尺寸的空间演化规律、平均圆形度及其分布在不同实验工况下的演化规律以及颗粒径向面积分数分布特征。

  • 纳米颗粒聚团等效直径径向分布特性

结果表明,聚团等效直径沿径向均呈现先增大后减小的分布特征,中间径向区域形成较大聚团,而近壁区域受剪切作用影响聚团尺寸明显减小。随着轴向高度增加,聚团整体尺寸逐渐增大。相比单一纳米颗粒体系,Geldart B颗粒的引入改变了聚团空间分布特征,促进了颗粒重构与尺寸调节,对改善床层内颗粒分布均匀性和流化稳定性具有积极作用。

图4. 不同轴向高度下单一纳米颗粒体系与混合颗粒体系中纳米颗粒聚团平均等效直径的径向分布


  • 圆形度特征分析

基于DeepLabV3+(Dual-CBAM)的分割结果能够稳定提取颗粒边界信息,从而实现对聚团形态规整性的有效表征。与单一体系相比,混合颗粒体系中高圆形度聚团比例显著提高,而低圆形度聚团明显减少,表明Geldart B颗粒的引入可有效抑制不规则聚团的形成,并促进结构均匀性提升,从而增强整体形态稳定性。

图5.(a)不同表观气速条件下单一纳米颗粒体系与混合颗粒体系中纳米颗粒聚团圆形度分布;(b)不同表观气速条件下单一纳米颗粒体系与混合颗粒体系中纳米颗粒聚团平均圆形度对比


  • 混合颗粒体系中颗粒面积分数径向分布特征

两类颗粒在径向上均呈显著非均匀性,表现为床层中心区域面积分数较高而近壁区域明显降低,形成典型的“核心富集”结构。纳米颗粒聚团在低床层区域具有更高的面积分数,且随轴向高度增加逐渐衰减,反映出床层膨胀与颗粒扩散作用的影响。Geldart B颗粒占比较低,但其径向分布趋势与纳米颗粒一致,表明两相颗粒在流化过程中具有协同迁移特征。研究结果揭示了混合颗粒体系中气固流动对颗粒空间分布与迁移行为的调控机制。

图6(a)不同轴向高度下纳米颗粒聚团面积分数的径向分布;(b)不同轴向高度下Geldart B颗粒面积分数的径向分布


主要结论

本文提出一种基于Dual-CBAM增强DeepLabV3+的三分类语义分割方法,实现对微流化床中背景、纳米颗粒聚团及Geldart B颗粒的高精度识别与定量表征。通过引入双重注意力机制,有效提升了复杂混合颗粒体系中的多尺度特征表达能力与类别区分能力。基于高精度语义分割结果,构建了颗粒面积分数、等效直径、圆形度及径向分布等定量分析体系,实现了对颗粒空间分布与形态演化的系统刻画。结果表明,Geldart B颗粒的引入可有效抑制纳米颗粒过度团聚,促进结构均匀化与形态规整化,并显著改善混合体系的空间分布稳定性。


通讯作者简介

陈巨辉,哈尔滨理工大学教授、博导,长期从事多相流与传热传质领域的研究工作,主要研究方向为颗粒动理学与矩方法。发表第一/通讯SCI论文60余篇,撰写著作1部,申请及授权国家发明专利50余项。主持国家自然科学基金、国家国际科技合作专项项目基金子项目、黑龙江省自然科学基金、黑龙江省“百千万”工程科技重大专项子课题等20余项。2015获黑龙江省科技奖(自然科学类)三等奖,2025年被选为黑龙江省领军人才梯队后备带头人,同年入选黑龙江省高层次人才计划。


供稿:原文作者

排版:《颗粒学报》编辑部


文章信息

Chen, J., Zhu, Y., Li, D., Peng, B., Zhao, Y., Du, W., . . . Zhuravkov, M. (2026). Ternary semantic segmentation of hybrid particles in fluidized beds via dual CBAM-DeepLabV3+: Enhanced characterization of nanoparticle agglomeration. Particuology, 116, 279-296. https://doi.org/10.1016/j.partic.2026.06.022


附件: