Abstract
液体シートが靭帯（リゲメント）と液滴へと崩壊する過程には、非常に短時間で進行する多段階・多スケールのダイナミクスが含まれており、高速シャドウグラフィ画像からその定量化は困難です。破断中に形成される液滴、靭帯、ブロブ（塊）を同定し、フレーム間でそれらを追跡することは、スプレー解析に不可欠です。しかし従来の多目的追跡（マルチオブジェクトトラッキング）フレームワークは、厳密な一対一の時間的対応を課すため、しばしば起こる一対多の断片化イベントを表現できません。本研究では、フレーム間にまたがる物体検出と時間的関係モデリングのための、二段階の深層学習フレームワークを提案します。このフレームワークは、液体シートの崩壊に伴う靭帯の変形、断片化、ならびに親子（親—子）系譜（ライネージ）を捉えます。第1段階では、ResNet-50 をバックボーンとし Feature Pyramid Network を備えた Faster R-CNN により、衝突する Carbopol ゲルジェットの高速シャドウグラフィ記録から靭帯と液滴を検出・分類します。形状保持型の合成データ生成戦略により、物理的に不 plaus ible な構成を導入することなく学習データセットを拡張し、14種類の元データから合成データへの構成に対して、保持アウト（held-out）の F1 スコアを最大 0.872 まで達成しました。第2段階では、Transformer を拡張したマルチレイヤー・パーセプトロンが、物理に基づいた幾何学的特徴を用いて、フレーム間の関連付けを継続（continuation）、断片化（one-to-many）、および非関連（non-association）に分類します。クラスの不均衡が深刻であるにもかかわらず、このモデルは断片化イベントに対して 86.1% の精度、93.2% の適合率（precision）、および完全な再現率（1.00）を達成します。本フレームワークにより、断片化ツリーの自動再構成、親子系譜の保持、ならびに断片数（フラグメントの多重度）や液滴径分布などの破断統計の抽出が可能になります。靭帯の断片化から形成された子液滴を明示的に同定することで、本フレームワークは一次アトマイゼーション（微粒化）モードの自動解析を提供します。
