基于深度学习的光学薄膜元件损伤识别与分类研究 |
| |
引用本文: | 孟永,苏俊宏,杨国梁,汪桂霞.基于深度学习的光学薄膜元件损伤识别与分类研究[J].四川激光,2024(4):65-74. |
| |
作者姓名: | 孟永 苏俊宏 杨国梁 汪桂霞 |
| |
作者单位: | 西安工业大学光电工程学院 |
| |
基金项目: | 国家自然科学基金(No.61378050、62205263); |
| |
摘 要: | 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。
|
关 键 词: | 光学薄膜 损伤检测 BP神经网络 迁移学习 分类识别 |
|
|