基于机器学习的终端光学元件损伤识别及分类研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:haokanhaowan123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
终端光学元件在线检测系统(FODI)是惯性约束核聚变(ICF)系统的核心组件,该检测系统的核心任务是对靶室内的各路终端光学组件中的各个大尺寸光学元件进行检测,识别出元件的损伤缺陷,从而对该元件的健康状况进行评估,保证元件在损坏之前就进行修复和更换。该检测过程可以保证ICF系统的安全运行,提高打靶成功率的同时降低系统的运营成本。针对终端光学元件的在线检测任务,本文利用图像处理算法与机器学习方法相结合,对终端光学元件的损伤检测、损伤信息提取和伪损伤剔除等问题进行了研究,主要研究内容如下:针对FODI采集到的损伤图像的特点,对损伤区域的自动识别和检测技术进行了研究。根据FODI图像中损伤区域的中心像素的信号强度要明显高于局部背景的信号强度的特点,采用一种基于自适应种子生长的局部信噪比算法,该算法准确高效,很好的解决了FODI图像中背景噪声对检测的干扰问题。为解决损伤图像的配准任务,提出一种基于三角形预处理的抽样一致性检验(RANSAC)算法。该改进算法能够减少迭代的次数,从而提高算法本身的效率,在保证配准精度的同时,大幅度的减少处理时间,从而提高算法的处理速度,使FODI系统能够实时的进行配准操作。基于机器学习的方法,对终端光学元件损伤图像上面的伪损伤进行分类研究。利用Ada Boost算法建立终端光学元件损伤的分类机制,其中该系统的子分类器使用简单高效的CART决策树算法,提升算法本身使用经典Ada Boost算法的三种衍生算法,选择分类效果最好的算法模型作为最终的分类器。通过一系列的对比实验,证明了该算法的有效性。
其他文献
为了同时提高行波管的效率和带宽,受到多注速调管的启发,人们将多电子注技术和行波管相结合,研制出了多注行波管。由于多注行波管具有频带宽、增益和效率高、工作电压低、重量轻
烧结是敏感元件生产过程中的一道最基本、最关键的工序。烧结前的工序中敏感元件的某些缺陷在一定范围内可以通过调整烧结工艺加以纠正,而由烧结造成的废品一般无法通过以后
在现代经济高速发展的时代,高楼大厦拔地而起,桥梁水坝也越来越多,各种新型机械设备更是应运而生,然而这些都有一个共同的安全性能指标——抗震性。能提前预知机械设备是否老化,桥
任何船舶设备和系统都存在着不安全的因素。这些因素主要包括三个方面:第一是设备本身的制造缺陷和老化磨损,第二是不可抗拒的环境条件,第三是人为因素。根据海事研究机构的分
在网络信息技术快速发展的时代,电子商务平台也得到了更好的开发和建设,同时也给各行业的企业管理带来了较大的挑战.特别是传统的企业物流管理已经不能满足当下时代的需求,必
学位
通信系统已经成为了现代人生活中双方沟通的桥梁,随着科学技术的进步,依托各种媒介的通信系统都得到了不断的发展。目前常用的通信系统可以大致分为以下两大类:依托射频的通
随着造船技术的发展,人们对船舶的舒适性要求越来越高,船舶噪声不仅会影响舱内设备的正常运转,而且会影响人们正常的生活,因此船舶舱室噪声的控制问题就受到了人们的广泛关注。但