卷积神经网络在光学元件损伤检测中的应用
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.
损伤检测、深度学习、卷积神经网络
13
TP183(自动化基础理论)
2017-05-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
178-182