基于卷积神经网络的光学元件表面缺陷图像分类
光学元件的表面疵病,即表面缺陷,其形状的大小会直接影响光学系统的性能,在对表面缺陷进行分类时,所面对的很多表面缺陷的形状都是不规则的,依靠普通的模式识别技术,分类很难达到预期的效果.为解决精密光学元件表面缺陷分类方法中精度低、耗时长的问题,提出了基于卷积神经网络的精密光学元件表面缺陷分类方法.采用散射法获取表面缺陷图像,分析其成像特点,通过对图像进行旋转,镜像扩增了数据集,加强了网络的训练能力.使用AC训练网络模型,在不增加额外计算量的同时加强了网络的特征获取力.通过Softmax分类器,将精密光学元件表面缺陷分为划痕、麻点及噪点3类.实验结果表明,所使用的模型对缺陷分类精度超过99.05％.
光学元件、表面缺陷、卷积神经网络、计算机视觉
44
TN206;TP751(光电子技术、激光技术)
陕西省科技厅重点研发项目2019GY-063
2023-06-08（万方平台首次上网日期，不代表论文的发表时间）
共7页
677-683
