基于深度学习的激光散斑图像识别技术研究

作     者：贺锋涛 吴倩倩 杨祎 张建磊 王炳辉 张依 HE Fengtao;WU Qianqian;YANG Yi;ZHANG Jianlei;WANG Binghui;ZHANG Yi

作者机构：西安邮电大学电子工程学院西安710121 

出 版 物：《激光技术》 (Laser Technology)

年 卷 期：2024年第48卷第3期

页      面：443-448页

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：XX教育部联合基金资助项目(XXXX) 陕西省技术创新引导专项基金资助项目(2020TG-001) 

主　　题：图像处理 散斑图像 深度学习 GoogleNet 分类识别 

摘      要：为了解决激光散斑对高于20℃时的水温存在测量灵敏度下降等问题,提出了一种基于深度学习的激光散斑图像识别探测方法,构建了20.1℃、20.2℃及20.3℃的散斑图像数据集,采用一种多尺度卷积神经网络,结合适当的损失函数和数据增强技术,以优化激光散斑图像的特点;通过深度学习模型在散斑数据集上的训练与测试实验,实现了水下温度信息散斑图像的高准确率识别,解决了对比度饱和测量灵敏度下降的问题。结果表明,与AlexNet、VGG、ResNet模型相比,GoogleNet模型对散斑图像的水下温度识别准确率达到了99%。该研究为深入了解温度场分布及其影响提供了理论支持,并为相关应用领域提供了有价值的参考。