基于卷积神经网络的相位体自动识别方法研究
Automatic Phase Recognition Method Based on Convolutional Neural Network作者机构:江苏大学物理与电子工程学院江苏镇江212013 南方科技大学生物医学工程系广东深圳518055
出 版 物:《激光与光电子学进展》 (Laser & Optoelectronics Progress)
年 卷 期:2022年第59卷第6期
页 面:328-337页
核心收录:
学科分类:0808[工学-电气工程] 070207[理学-光学] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学]
基 金:江苏大学农业装备学部项目(NZXB20200215) 江苏大学学生科研立项项目(19A253)
主 题:医用光学 相位分布 干涉条纹 自动识别 卷积神经网络 残差网络
摘 要:针对定量相位成像技术中样本形态信息提取繁琐不利于自动化检测分析的问题,探索了基于小规模数据集对轮廓相似的相位物体进行精准识别的可行性及其训练策略。分别建立了包括聚苯乙烯微球、红细胞等4类样本的相位分布和干涉条纹数据集。构建了一个卷积神经网络(CNN)模型成功实现对相位图的识别,进而对不同样品相位值进行变换以增大识别难度,并通过改进网络模型在验证集上成功识别出所有样品类型。为简化检测流程,对4类样本对应的干涉条纹进行了识别,用残差模块改善CNN模型的网络退化问题实现了准确分类。针对条纹可见度、载波频率复杂多变的实际情况,分别考查了其对识别准确率的影响。通过优化训练集提高了模型的识别效率,表明了机器学习技术在相位信息识别方面的潜力。