CN114742775B - 一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 - Google Patents
一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114742775B CN114742775B CN202210326449.1A CN202210326449A CN114742775B CN 114742775 B CN114742775 B CN 114742775B CN 202210326449 A CN202210326449 A CN 202210326449A CN 114742775 B CN114742775 B CN 114742775B
- Authority
- CN
- China
- Prior art keywords
- capillary
- fluid
- viscosity
- liquid
- liquid level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/02—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material
- G01N11/04—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material through a restricted passage, e.g. tube, aperture
- G01N11/08—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material through a restricted passage, e.g. tube, aperture by measuring pressure required to produce a known flow
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring Volume Flow (AREA)
- Control Of Non-Electrical Variables (AREA)
Abstract
本发明提供一种基于毛细下降法测量流体粘度的方法、系统、设备及介质，对采集到的液面图像进行处理，获得包含液面与刻线特征二值矩阵，对图像进行数字化处理能够更加准确的进行运算，对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标，将液面坐标与比例系数进而能够对应获得液面实际位置，消除流体页面的凹凸形带来的运算误差，进而能够准确的根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，通过计算得到流体粘度，本申请通过测量图像采集、处理的优化和时间计算处理，脱离人眼测量误差，提高了流体粘度计算精度和效率。
Description
技术领域
本申请属于毛细管流体粘度测试方法，具体涉及一种基于毛细下降法测量流体粘度的方法、系统、设备及介质。
背景技术
粘度是液体的重要物理性质和技术指标之一，粘度的准确测定在航空、石油化工、医药等工业应用和科学研究领域中具有重要意义。液体粘度通常是指单相液体内部的粘度，即液体流动时所表现的内部摩擦，由于粘度的作用，会使得物体在流体中运动时受到摩擦阻力和压差阻力，造成机械能的损耗。
目前，毛细管法测量液体粘度普遍采用将毛细管水平放置，通过测量毛细管截面两端的压力差，并通过肉眼读取数值变换进行计算的方法，其计算的粘度结果效率低，精度差，同时不便于长时间读数，不能进行实时监控读取数据。
发明内容
针对现有技术中存在的问题，本发明提供一种基于毛细下降法测量流体粘度的方法、系统、设备及介质，通过测量图像采集、处理的优化和时间计算处理，使得系统脱离人眼测量误差，识别流流体粘性更加精确。
本发明是通过以下技术方案来实现：
一种基于毛细下降法测量流体粘度的方法，其特征在于，包括以下步骤：
基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度。
进一步，所述液面与刻线特征二值矩阵通过对灰度图像进行基于梯度滤波原理及基尔霍夫变换的处理得到。
进一步，所述像素和距离之间比例系数根据刻线间距与刻线宽度确认刻线位置计算得到。
进一步，在计算流体粘度时，需要计算毛细管内流体受到的重力为：
其中，V表示毛细管内盛满待测液体的体积，L表示毛细管中的长度，同时也是待测液体在毛细管中的长度，r为距离毛细管横截面圆心的径向距离，ρ表示待测液体密度，g为重力加速度。
进一步，在计算流体粘度时，需要计算毛细管内流体受到的阻力为：
其中，η是粘性系数，S是毛细管横截面积，是剪切变形速率，r是距离毛细管横截面圆心的径向距离，R≥r，R为毛细管半径，dr为毛细管半径的微分量，dt是液体在毛细管中流动时间的微分。
进一步，若流体重力和粘性阻力大小相等，方向相反，则，
得到流体速度为：
待测流体流量为：
则得到粘性系数为：
其中，ds是毛细管横截面圆环厚度，表示为2πrdr，R是毛细管半径，t液体在毛细管流动的时间。
进一步，若流体做匀加速直线运动，则重力大于粘性阻力，则：
G-f＝ma；
得到流体速度为：
则得到的流体粘度系数为：
其中，其中，V表示毛细管内盛满待测液体的体积，L表示毛细管中的长度，同时也是待测液体在毛细管中的长度，r为距离毛细管横截面圆心的径向距离，ρ表示待测液体密度，g为重力加速度，η是粘性系数，S是毛细管横截面积，是剪切变形速率，ds是毛细管横截面圆环厚度，表示为2πrdr，R是毛细管半径，t是液体在毛细管流动的时间。
一种基于毛细下降法测量流体粘度的系统，包括：
图像处理模块，用于基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
二值矩阵处理模块，用于对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
实际液面计算模块，用于对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
粘度计算模块，用于根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种基于毛细下降法测量流体粘度的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述一种基于毛细下降法测量流体粘度的方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供一种基于毛细下降法测量流体粘度的方法、系统、设备及介质，对采集到的图像进行处理，获得包含液面与刻线特征二值矩阵，对图像进行数字化处理能够更加准确的进行运算，对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标，将液面坐标与比例系数进而能够对应获得液面实际位置，消除流体页面的凹凸形带来的运算误差，进而能够准确的根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，通过计算得到流体粘度，本申请通过测量图像采集、处理的优化和时间计算处理，脱离人眼测量误差，提高了流体粘度计算精度和效率。
附图说明
图1为本发明具体实施例中一种基于毛细下降法测量流体粘度的方法流程图；
图2为本发明具体实施例中毛细管内含有流体的示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明提供一种基于毛细下降法测量流体粘度的方法，如图1所示，包括以下步骤：
基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度。
进一步的，所述液面与刻线特征二值矩阵通过对灰度图像进行基于梯度滤波原理及基尔霍夫变换的处理得到。
进一步的，所述像素和距离之间比例系数根据刻线间距与刻线宽度确认刻线位置计算得到。
本发明提供一种优选实施例为，在计算流体粘度时，需要计算毛细管内流体受到的重力为：
其中，V表示毛细管内盛满待测液体的体积，L表示毛细管中的长度，同时也是待测液体在毛细管中的长度，r为距离毛细管横截面圆心的径向距离，ρ表示待测液体密度，g为重力加速度。
进一步的，在计算流体粘度时，还需要计算毛细管内流体受到的阻力为：
其中，η是粘性系数，S是毛细管横截面积，是剪切变形速率，r是距离毛细管横截面圆心的径向距离，R≥r，R为毛细管半径，dr为毛细管半径的微分量，见附图2，dt是液体在毛细管中流动时间的微分。
进一步的，若流体重力和粘性阻力大小相等，方向相反，则，
得到流体速度为：
单位时间内待测流体流过的体积，即待测液体流量为：
dQ＝vds；
ds是毛细管横截面圆环厚度，表示为2πrdr，则待测流体流量为：
粘性系数为：
跟据毛细管长度半径，流量可以改写为：
则进一步得到的粘性系数为：
其中，ds是毛细管横截面圆环厚度，表示为2πrdr，R是毛细管半径，t是液体在毛细管流动的时间。
若流体做匀加速直线运动，则重力大于粘性阻力，则：
G-f＝ma；
得到流体速度为：
则得到的流体粘度系数为：
其中，其中，V表示毛细管内盛满待测液体的体积，L表示毛细管中的长度，同时也是待测液体在毛细管中的长度，r为距离毛细管横截面圆心的径向距离，ρ表示待测液体密度，g为重力加速度，η是粘性系数，S是毛细管横截面积，是剪切变形速率，ds是毛细管横截面圆环厚度，表示为2πrdr，R是毛细管半径，t是液体在毛细管流动的时间。
本发明提供一种基于毛细下降法测量流体粘度的系统，包括：
图像处理模块，用于基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
二值矩阵处理模块，用于对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
实际液面计算模块，用于对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
粘度计算模块，用于根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度。
本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种基于毛细下降法测量流体粘度的方法的操作。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关一种基于毛细下降法测量流体粘度的方法的相应步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (7)
1.一种基于毛细下降法测量流体粘度的方法，其特征在于，包括以下步骤：
基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度；
所述液面与刻线特征二值矩阵通过对灰度图像进行基于梯度滤波原理及基尔霍夫变换的处理得到；
在计算流体粘度时，需要计算毛细管内流体受到的重力为：
；
其中，表示毛细管内盛满待测液体的体积，表示毛细管中的长度，同时也是待测液体在毛细管中的长度，为距离毛细管横截面圆心的径向距离，表示待测液体密度，为重力加速度；
在计算流体粘度时，还需要计算毛细管内流体受到的阻力为：
；
其中，是粘性系数，是毛细管横截面积，是剪切变形速率，r是距离毛细管横截面圆心的径向距离，，为毛细管半径，为毛细管半径的微分量，是液体在毛细管中流动时间的微分。
2.根据权利要求1所述一种基于毛细下降法测量流体粘度的方法，其特征在于，所述像素和距离之间比例系数根据刻线间距与刻线宽度确认刻线位置计算得到。
3.根据权利要求1所述一种基于毛细下降法测量流体粘度的方法，其特征在于，若流体重力和粘性阻力大小相等，方向相反，则，
；
得到流体速度为：
；
待测流体流量为：
；
；
则得到粘性系数为：
；
其中，是毛细管横截面圆环厚度，表示为，R是毛细管半径，t液体在毛细管流动的时间。
4.根据权利要求1所述一种基于毛细下降法测量流体粘度的方法，其特征在于，若流体做匀加速直线运动，则重力大于粘性阻力，则：
；
；
得到流体速度为：
；
则得到的流体粘度系数为：
；
其中，表示毛细管内盛满待测液体的体积，表示毛细管中的长度，同时也是待测液体在毛细管中的长度，为距离毛细管横截面圆心的径向距离，表示待测液体密度，为重力加速度，是粘性系数，是毛细管横截面积，是剪切变形速率，是毛细管横截面圆环厚度，表示为，R是毛细管半径，t是液体在毛细管流动的时间。
5.一种基于毛细下降法测量流体粘度的系统，其特征在于，基于权利要求1-4所述任意一种基于毛细下降法测量流体粘度的方法，包括：
图像处理模块，用于基于加权法的图像像素化处理，得到灰度图像，对灰度图像处理，获得包含液面与刻线特征二值矩阵；
二值矩阵处理模块，用于对二值矩阵在两个维度分别相干累积，通过离散傅里叶变换频域鉴别法，将累积后矩阵分为液面特征矩阵和刻线特征矩阵，并获得液面及刻线对应坐标；
实际液面计算模块，用于对刻度线坐标进行差分算法，采用卡尔曼滤波获得刻线宽度及刻线间距，采用直方图自适应处理，实现刻线精确识别，并根据像素和距离之间比例系数，将液面坐标与比例系数对应获得液面实际位置；
粘度计算模块，用于根据毛细管中待测液体液面实际位置从毛细管截面顶端流到底端图像计算出流动时间，根据流动时间和流速公式计算得到流体粘度。
6.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述一种基于毛细下降法测量流体粘度的方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述一种基于毛细下降法测量流体粘度的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210326449.1A CN114742775B (zh) | 2022-03-30 | 2022-03-30 | 一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210326449.1A CN114742775B (zh) | 2022-03-30 | 2022-03-30 | 一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114742775A CN114742775A (zh) | 2022-07-12 |
| CN114742775B true CN114742775B (zh) | 2025-03-28 |
Family
ID=82278936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210326449.1A Active CN114742775B (zh) | 2022-03-30 | 2022-03-30 | 一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114742775B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109342271A (zh) * | 2018-10-26 | 2019-02-15 | 成都珂睿科技有限公司 | 一种基于微量样品测量的毛细管粘度测试方法 |
| CN113740211A (zh) * | 2021-09-22 | 2021-12-03 | 陕西科技大学 | 一种基于毛细现象的表面张力光学测量系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015089004A1 (en) * | 2013-12-09 | 2015-06-18 | Texas Tech University System | Smart phone based multiplexed viscometer for high throughput analysis of fluids |
-
2022
- 2022-03-30 CN CN202210326449.1A patent/CN114742775B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109342271A (zh) * | 2018-10-26 | 2019-02-15 | 成都珂睿科技有限公司 | 一种基于微量样品测量的毛细管粘度测试方法 |
| CN113740211A (zh) * | 2021-09-22 | 2021-12-03 | 陕西科技大学 | 一种基于毛细现象的表面张力光学测量系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114742775A (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huai et al. | Two-layer model for open channel flow with submerged flexible vegetation | |
| CN111552754B (zh) | 一种舰船轨迹相似度度量方法及系统 | |
| CN104619009B (zh) | 一种定位数据采样周期的调整方法、装置及移动终端 | |
| Zhang et al. | Influence line estimation of bridge based on elastic net and vehicle-induced response | |
| CN106643965A (zh) | 一种利用模板匹配精确识别液位的方法 | |
| CN109696216A (zh) | 流量信号的补偿方法、装置、存储介质、处理器和系统 | |
| CN103245485B (zh) | 一种通气超空泡平衡点突变特性判定装置及其判定方法 | |
| CN102564307B (zh) | 一种光栅尺周期内精度的自动检测装置 | |
| CN114742775B (zh) | 一种基于毛细下降法测量流体粘度的方法、系统、设备及介质 | |
| CN108040250A (zh) | 一种智能电视性能的评估方法和装置 | |
| CN114119980A (zh) | 一种基于深度学习的膜盒压力表压力读取方法及系统 | |
| CN103344523A (zh) | 一种液体密度实时测量方法 | |
| CN104778363A (zh) | 基于多元时间序列的河流混沌特性识别方法 | |
| CN117830777B (zh) | 基于多源数据融合的结构全场精细位移识别方法及系统 | |
| Schneider et al. | Measuring Method for Function and Quality of Automated Lateral Control Based on High-precision Digital" Grund Truth" Maps | |
| CN202171809U (zh) | 一种基于rfid的鱼类信息收集系统 | |
| Van Bien et al. | An Arduino-based wireless measuring car designed to investigate Newton’s II law | |
| CN102393898A (zh) | 一种基于rfid的鱼类信息收集系统 | |
| CN110199178A (zh) | 用于补偿动水中的压力传感器上的文丘里效应的方法 | |
| CN109716070A (zh) | 物理量测定装置 | |
| Bergues et al. | Straight line detection through sub-pixel Hough transform | |
| CN113959536A (zh) | 一种射流水表的去噪声方法、设备、介质及产品 | |
| RU2551836C1 (ru) | Способ определения нестационарного теплового потока | |
| Azam et al. | Passive flow regime identification based on synchrosqueezing wavelet transform and deep learning | |
| CN121211903A (zh) | 一种基于自适应点云神经网络的流体机械壁面载荷预测方法、系统及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |