摘要: 本文采用高速相机记录气体放电信息,获得高分辨率的空间与时间的视频数据. 通过分析其放电图案,发现其为树状分形结构,其单个放电点和多个放电点的分形维数分别为1.64和1.71. 利用课题组采用python编写的软件,对获取的大量的图像信息进行智能化的轮廓识别和质心标记,获取了每个放电条件下,5911张相邻时间间隔为0.5 ms的图像的放电点的位置分布信息. 结果显示,放电点数在空间内出现的位置概率接近高斯分布,其出现的时间间隔分布接近指数衰减.
蓝梓航, 俞佳艺, 何雪莹, 彭怀宇, 何贵明, 徐雨. 气体放电随机现象的图像智能化分析[J]. 大学物理, 2023, 42(7): 42-.
LAN Zi-hang, YU Jia-yi, HE Xue-ying, PENG Huai-yu, HE Gui-ming, XU Yu. Image intelligent analysis of random phenomenonin gas discharge[J]. College Physics, 2023, 42(7): 42-.