基于深度卷积神经网络的γ光子图像分类识别研究

• 作者: 吴蓉 姚敏 孙通 徐君 赵敏
• 来源期刊: 机械制造与自动化
• 学科: 工学
• 关键词: 正电子探测成像技术 深度学习 卷积神经网络 分类识别
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 电气与自动化
• 页码范围: 139-141
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19344/j.cnki.issn1671-5276.2020.05.037

摘要

通过对正电子探测成像技术获得的γ光子图像进行分类识别,有利于后续有针对性地快速获取图像所包含的有效信息.在MatConvNet上利用迁移学习的方法搭建深度卷积神经网络,通过对其参数的调整进一步提高网络分类识别的性能.为了验证网络性能,设计了10组不同形状的管材模型,利用仿真得到的扫描时间为1s的γ光子图像样本集对网络进行训练后,将其应用于扫描时间为0.1 s的γ光子图像样本进行分类识别,发现分类准确率在图像质量偏差、扫描时间为0.1 s的γ光子图像样本上仍然达到了94.72％.可见所搭建的深度卷积神经网络对γ光子图像具有很好的分类识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵敏		135	1189	17.0	28.0
2	姚敏		47	351	11.0	17.0
3	徐君		13	41	3.0	6.0
4	吴蓉		1	0	0.0	0.0
5	孙通		1	0	0.0	0.0