利用神经网络实现多模光纤传输散斑的识别

• 作者: 刘艳 卢顺 张利伟 杨婧雅 牛慧 谭中伟
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 光纤光学 光纤成像 散斑图 深度学习 SVM算法
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 光纤光学与光通信
• 页码范围: 8-15
• 页数: 8页
• 分类号: TN252
• 语种: 中文
• DOI: 10.3788/AOS202040.1306001

摘要

搭建实验平台,把26个字母的图像传入光纤,并在输出端采集散斑图.把散斑图展开到HSV色彩空间中,单使用V分量进行分类能达到不错的分类准确率,且能缩减训练时长.在预处理后,分别使用具有不同层数卷积结构的神经网络、卷积神经网络和支持向量机(CNN+SVM)算法、SVM算法对散斑图进行分类.测试结果发现,使用4420张散斑图作为训练集,3层卷积结构的神经网络的识别准确率为88％,4层卷积结构的神经网络的识别准确率为95％,CNN+SVM算法的识别准确率为98％,而SVM算法的识别准确率达到了100％.实验结果表明,把机器学习算法应用在光信号上,同样可以对多模光纤散斑图进行分类,当图像特征相对明显时,直接使用SVM算法对光纤输出散斑进行识别,可以大大提升多模光纤输出散斑图的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘艳		71	607	13.0	22.0
2	谭中伟		42	254	10.0	13.0
3	张利伟		3	0	0.0	0.0
4	杨婧雅		3	0	0.0	0.0
5	卢顺		2	0	0.0	0.0
6	牛慧		2	0	0.0	0.0