基于深度卷积神经网络的γ光子图像分类识别研究 |
| |
引用本文: | 吴蓉,赵敏,孙通,徐君,姚敏.基于深度卷积神经网络的γ光子图像分类识别研究[J].机械制造与自动化,2020,49(5):139-141. |
| |
作者姓名: | 吴蓉 赵敏 孙通 徐君 姚敏 |
| |
作者单位: | 南京航空航天大学 自动化学院,江苏 南京211106;南京航空航天大学 自动化学院,江苏 南京211106;南京航空航天大学 自动化学院,江苏 南京211106;南京航空航天大学 自动化学院,江苏 南京211106;南京航空航天大学 自动化学院,江苏 南京211106 |
| |
基金项目: | 国家自然科学基金;江苏省研究生科研与实践创新计划项目;航空科学基金;中央高校基本科研业务费专项 |
| |
摘 要: | 通过对正电子探测成像技术获得的γ光子图像进行分类识别,有利于后续有针对性地快速获取图像所包含的有效信息。在MatConvNet上利用迁移学习的方法搭建深度卷积神经网络,通过对其参数的调整进一步提高网络分类识别的性能。为了验证网络性能,设计了10组不同形状的管材模型,利用仿真得到的扫描时间为1s的γ光子图像样本集对网络进行训练后,将其应用于扫描时间为0.1 s的γ光子图像样本进行分类识别,发现分类准确率在图像质量偏差、扫描时间为0.1 s的γ光子图像样本上仍然达到了94.72%。可见所搭建的深度卷积神经网络对γ光子图像具有很好的分类识别性能。
|
关 键 词: | 正电子探测成像技术 深度学习 卷积神经网络 分类识别 |
本文献已被 CNKI 万方数据 等数据库收录! |
|