基于深度学习的光学薄膜元件损伤识别与分类研究

激光诱导光学薄膜元件损伤是限制激光向高功率、高能量发展的瓶颈，因此，光学薄膜损伤的快速检测已成为亟需解决的问题。为提高光学薄膜元件损伤识别与分类的准确率和效率，提出了一种基于深度学习的损伤图像分类模型训练方法。采集激光辐照氧化物薄膜损伤图像，通过噪声去除、图像增强等预处理，提取损伤区域RGB值、灰度、纹理、形状等特征信息，投入BP神经网络训练识别，受数据集较少和计算误差的影响导致分类结果未达期望值，因此，使用迁移学习训练数据集，结果表明，使用迁移学习在准确率和灵敏度等评价指标上均优于BP神经网络，准确率达90%,将深度迁移学习技术用于光学薄膜元件的损伤识别，为解决激光诱导的光学薄膜损伤判别提供了新思路。