基于深度卷积神经网络的γ光子图像分类识别研究

作者：吴蓉; 赵敏; 孙通; 徐君; 姚敏

来源：机械制造与自动化, 2020, 49(05): 139-141.

DOI：10.19344/j.cnki.issn1671-5276.2020.05.037

• 正电子探测成像技术
• 深度学习
• 卷积神经网络
• 分类识别

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。

• 单位
  自动化学院; 南京航空航天大学