基于卷积神经网络的离焦颗粒粒径与位置测量

作者：张翔云; 周骛^*; 姜友新; 夏向学杰

来源：光学学报, 2022, 42(19): 100-106.

• 测量
• 卷积神经网络
• 双相机离焦成像系统
• 位置测量
• 粒径测量

针对双相机成像系统所获取的颗粒离焦图像，搭建了基于Faster-RCNN和VGG16卷积神经网络（CNN）的颗粒粒径与位置同步预测模型。在75～95 mm（约9～10倍的成像系统景深）深度范围内，拍摄直径为50～350μm的9种不同圆点用于所提模型的训练，并将所提模型与基于离焦测距（DFD）理论模型的处理方法进行了比较分析。测量结果表明，与基于DFD理论模型的处理方法相比，CNN模型的颗粒深度测量范围有所提高，直径测量误差有所降低，但深度测量误差有所增大。进一步采用双相机系统拍摄在循环样品池内流动的粒径为120μm的标准颗粒，应用所提CNN模型对相应图片进行处理，粒径预测结果的相对误差范围为-8%～8%。

• 单位
  上海理工大学