Classificação de padrões de escoamento bifásico por meio de redes neurais convolucionais

Abstract

Sistemas passivos, como circulação natural, têm sido cada vez mais utilizados para refrigeração de reatores nucleares. A capacidade de um fluido de transferir calor está fortemente relacionada com seu padrão de escoamento, especialmente quando em escoamento bifásico. Estes padrões vêm sendo utilizados em experimentos e modelos de predição de parâmetros que medem esta capacidade. Uma das técnicas não invasivas que vêm sendo utilizadas é a automatização da determinação do padrão de escoamento por meio de imagens. Este trabalho aplicou Redes Neurais Convolucionais para a classificação de imagens de diferentes padrões de escoamento bifásico relacionados à instabilidade chugging da circulação natural. Estas redes, que têm sido o estado-da-arte em classificação de imagens, não se baseiam em características pré-escolhidas, permitindo investigação de novas características para essa tarefa. São comparadas arquiteturas destas redes com diferentes graus de complexidade. Atualmente, a aplicação destas redes ao problema de escoamento bifásico é uma área pouco explorada. No subconjunto de teste, foi obtido um F1-Score médio ponderado de 0,99 e uma acurácia de 99,5%. Os resultados do trabalho mostram que as redes neurais convolucionais apresentam um bom desempenho preditivo e que detêm recursos ainda não explorados para fins de classificação de padrões em imagens de escoamento bifásico.