【摘 要】
：
为解决高精密光学元件表面缺陷检测方法存在的精度低、耗时长等的缺陷,提出基于卷积神经网络的高精密光学元件表面缺陷智能检测方法.首先分析当前高精密光学元件表面缺陷检测的研究进展,找到引起检测结果不足的因素,然后采集高精密光学元件表面缺陷图像,提取检测特征,并引入卷积神经网络建立缺陷检测分类器,实现高精密光学元件表面缺陷检测.实验结果表明,所提方法的缺陷检测精度超过93％,缩短了缺陷检测时间,平均单次检测时间降低0.7 s以上.
【机 构】
：
通化师范学院,吉林 通化 143001
论文部分内容阅读
为解决高精密光学元件表面缺陷检测方法存在的精度低、耗时长等的缺陷,提出基于卷积神经网络的高精密光学元件表面缺陷智能检测方法.首先分析当前高精密光学元件表面缺陷检测的研究进展,找到引起检测结果不足的因素,然后采集高精密光学元件表面缺陷图像,提取检测特征,并引入卷积神经网络建立缺陷检测分类器,实现高精密光学元件表面缺陷检测.实验结果表明,所提方法的缺陷检测精度超过93％,缩短了缺陷检测时间,平均单次检测时间降低0.7 s以上.
其他文献
由于当前远距离目标跟踪方法存在目标跟踪误差大,无法满足目标跟踪实际应用要求,为提升目标跟踪精度,提出了激光测量技术的远距离目标高精度跟踪方法.首先分析目标跟踪的原理,指出影响目标跟踪效果的因素,然后通过激光测量技术采集目标的位置信息,并引差分相减策略,得到目标移动的位移大小与方向,不断迭代得到目标跟踪结果.与其他目标跟踪方法的仿真对比实验结果表明,本方法的目标跟踪精度超过96％,降低了目标跟踪误差,获得更理想的目标跟踪结果.
针对相位反演算法多次迭代、实时性较低的不足,提出一种基于离焦探测的深度学习相位反演方法.只需光电探测器实时测量一帧离焦光斑数据作为网络输入,用泽尼克系数作为网络的输出,即可用训练好的模型快速进行波前复原.建立了数值仿真模型,分析了光电探测器像素数和训练数据集大小对网络模型复原精度的影响.研究结果表明,经过充分训练后,网络模型的损失函数最低可以达到0.0177,能够较为准确的进行波前复原,波前复原残差的均方根为0.3526,泽尼克系数残差均方根为0.0530,且随着光电探测器像素数和训练数据量加大,波前复原
针对雾霾天气下的光源运动目标清晰度低、轮廓模糊的问题,以火炮射击空中光源目标测量火炮跳角为研究背景,提出基于边窗均值滤波的雾霾天气下目标检测算法.首先在雾天退化模型基础上,使用边窗均值滤波算法对初始透射率进行改进,保留图像的轮廓边缘,然后通过平均修补块方法求出大气光值并复原出原始图像.最后通过奇异值分解的方法,判断光源运动目标和天空背景的相近程度,动态改变高斯混合模型的判别阈值.通过不同去雾算法的主观和客观分析以及光源微小运动目标的检测分析,所设计算法的目标检测清晰度更好.实验结果表明,该算法耗时较少,平
针对当前目标检测网络算法,对小目标的检测准确率较低和普遍出现的图片标注耗费大量人力物力等问题,提出了基于小目标数据集的多种数据增强方法.通过对图片进行水平翻转、直方图均衡处理、超分辨率处理等八种方法,在保持小目标原始特征信息不变的前提下,实现小目标特征信息的大幅度提高,丰富了数据增强的种类,提高了目标检测模型的泛化能力和小目标的检测准确率.实验结果表明,数据增强后小目标的目标检测准确率有了相对提高.
为研究月基极紫外相机Mo/Si多层膜反射镜能否在月面辐照环境下长期稳定工作,从理论仿真、光学性能、微观形貌三方面对其辐照稳定性进行了研究.采用Monte-Carlo方法模拟了不同能量质子束辐照Mo/Si多层膜后薄膜内部的损伤情况,结果表明:质子能量越高,对薄膜深层损伤越大.进行了50 KeV高能质子辐照实验,Mo/Si多层膜辐照后周期厚度降低、界面粗糙度增加,30.4 nm反射率下降2.8％,中心波长向短波方向偏移0.2 nm.TEM显示Mo/Si多层膜辐照后出现了局部烧蚀和膜层间渗透,周期结构被破坏.制
提出了一种基于激光超声宽带透射系数和的表征参数,实现了表面裂纹深度的定量检测.通过有限元仿真与实验测量方法,从时域和频域分析了激光产生的瑞利波与表面裂纹的相互作用机制,采用宽带透射系数和作为表征裂纹深度的物理参数,并建立了其与表面缺陷深度之间的拟合方程.结果表明,脉冲激光产生的瑞利波对金属表面裂纹深度变化十分敏感,所提出的计算方法可用于精确判断表面裂纹的深度.本文研究成果可为工件表面裂纹的非接触检测提供潜在应用.
当前三维重建生成密集点云的过程中存在质量评估研究并不深入的问题,而且也未形成一个完整的体系,并且缺乏对新设计软件系统的比较和验证,所以极易导致用户在选择时存在一定程度的盲目性.为了解决上述问题,对基于影像生成的点云进行深入的研究,提出通过扩展评价指标来构建点云质量评价体系的解决方案,利用数码相机和无人机获取多视影像并使用九种开源算法和商业软件生成密集点云,计算激光扫描点云与密集点云数据之间的最邻近距离.不仅从点云精度和完整度,还从点云数目、点云密度、点云生成时间、程序运行占用的内存等角度对密集点云进行评估
采集点云是三维重建过程中的关键步骤,在采集点云的过程中,不可避免地产生一些噪声及离群点.针对噪声及离群点的传统滤波算法主要依赖于概率学模型假设,然而由于环境的复杂性导致噪声及离群点的分布并不完全服从于假设的模型,从而传统的滤波算法不能达到良好的滤波效果.另外,传统滤波算法通常需要对样本逐个遍历,因此耗时较高.针对这些问题,针对特定场景的结构特点,提出了一种场景导向的kd-tree(k-dimensional tree)点云滤波算法.首先对点云下采样后计算其重心,再设定搜索半径阈值,最后依据所计算得到的重心
从全息化到深度学习这一发展历程进行了梳理.从最初全息化的发现到将其思想应用到计算机,然后与关联记忆融合,由此产生关联网,且在后来的实现上用到了信号处理中常用的更复杂的卷积和关联操作,从而对深度学习产生了深远影响,最后对全息化与关联记忆间的关系进行了分析及总结.在当前深度学习遇到各种瓶颈时,期望对其下一步发展有所启示和帮助.
为了实现激光治疗仪能够在未来医疗应用中具有更加友好人机交互特性,本文基于Google公司开发的Android设计了一款便携式激光治疗仪APP应用软件.该软件既可以用于激光参数的设置,也可以显示当前激光治疗仪系统接收到的数据信息.本设计APP不仅数据传输稳定,而且操作简单,可以推广到各种激光医疗设备中.