卷积神经网络在光学元件损伤检测中的应用

• 作者: 刘岩
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 损伤检测 深度学习 卷积神经网络
• 年，卷（期）: 2017,（2）
• 页码范围: 178-182
• 页数: 5页
• 分类号: TP183

摘要

光学元件损伤检测是激光驱动器健康管理的重要环节,复杂的原始损伤图像是损伤检测研究中的挑战性问题。卷积神经网络是深度学习的重要结构,在图像识别领域里有很好的应用实例。针对复杂环境下的光学元件损伤检测问题,提出一种基于卷积神经网络的损伤定位方法。设计了一种含有损伤和背景的数据集制作方法,生成大量伪数据。设计并训练卷积神经网络,得到分类器的参数模型。用多尺度分割原始损伤图像,并对每一分割区域进行归类和处理。实验结果证明,该检测方法具有较高的识别率和鲁棒性,可有效规避大规模噪声对损伤检测的影响。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘岩	中国工程物理研究院计算机应用研究所	3	16	2.0	3.0