基于卷积神经网络的散斑图像位移场测量方法

• 作者: 黄举 孙翠茹 林祥龙
• 来源期刊: 光学学报
• 学科: 物理学
• 关键词: 测量 数字散斑图像 卷积神经网络 位移场 变形测试
• 年，卷（期）: 2021,（20）
• 所属期刊栏目: 仪器、测量与计量|Instrumentation, Measurement and Metrology
• 页码范围: 55-63
• 页数: 9页
• 分类号: O348.1
• 语种: 中文
• DOI: 10.3788/AOS202141.2012002

摘要

提出了一种基于卷积神经网络(CNN)的数字散斑图像位移场测量方法.采用给定多种变形模式的精确位移场系列数字散斑图像构建数据集,提出了一种数字散斑图像位移场识别CNN模型.模拟散斑图像的验证实验表明,所提方法对随机变形、轴向均匀变形、剪切变形等模式具有良好的计算效率和测试精度.硅胶单轴拉伸验证实验表明,所提方法也可以精确测试真实实验散斑图像位移场并具有较高的计算效率.所提深度CNN能够高效、精确地测试数字散斑图像位移场,在材料变形测试中具有良好的应用前景.