Para resolver o problema da capacidade insuficiente dos métodos tradicionais de correlação digital de imagens (DIC) em capturar deslocamentos de alta frequência e sua baixa adaptabilidade a deformações complexas devido à dependência de subconjuntos fixos, foi proposto um modelo de previsão sincronizada de deslocamento e deformação baseado em Swin Transformer. Esse modelo é composto por duas sub-redes: ST-DIC-d (previsão de deslocamento) e ST-DIC-s (previsão de deformação). Primeiramente, utiliza-se a estrutura hierárquica codificador-decodificador do Swin Transformer para a extração de características em múltiplas escalas; em seguida, por meio do mecanismo de atenção e conexões de salto, capturam-se eficazmente as características locais e globais da imagem para obter o campo de deslocamento; por fim, a partir do campo de deslocamento, os componentes de deformação são calculados com precisão através da camada de cálculo de deformação. Resultados experimentais no conjunto de dados DIC Challenge mostram que o ST-DIC reduz o erro absoluto médio na previsão do deslocamento vertical em 21% em comparação com métodos tradicionais de DIC e modelos baseados em CNN. Em experimentos reais de tração, a precisão máxima da deformação em áreas de alto gradiente aumentou 8%. O método proposto neste estudo possui maior confiabilidade e precisão na medição de deformações complexas.

correlação digital de imagens;Swin Transformer;deslocamento de alta frequência;extração de características em múltiplas escalas;medição de deformação