在利用飛秒激光加工單晶硅材料的過程中,會出現(xiàn)等離子體發(fā)光現(xiàn)象。隨著飛秒激光燒蝕功率的變化,燒蝕過程中單晶硅材料表面溢出的等離子體光斑輪廓特征也大不相同。針對不同燒蝕功率下的光斑圖像在分類過程中準(zhǔn)確率不高的問題,提出了一種基于SVM的多核學(xué)習(xí)方法。首先,選取大量不同燒蝕功率下的光斑圖像,對其進(jìn)行預(yù)處理后提取光斑邊緣輪廓信息,使用Hu不變矩和傅里葉描述子分別對圖像輪廓特征進(jìn)行描述。其次,建立光斑圖像樣本庫,選取最合適的復(fù)合核函數(shù)以及核參數(shù)對分類模型進(jìn)行訓(xùn)練。最后,使用高斯核函數(shù)與Sigmoid核函數(shù)的復(fù)合函數(shù)對光斑圖像進(jìn)行分類識別,實驗研究表明:基于SVM的多核學(xué)習(xí)有效提高了光斑燒蝕功率的分類準(zhǔn)確率。 

【文章來源】：激光雜志. 2020年04期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

飛秒激光加工中心及燒蝕的微結(jié)構(gòu)形貌

如圖1所示，圖2(a)為鏈碼描述的光斑邊緣輪廓信息;圖2(b)為使用兩個傅里葉算子描述的邊緣信息;圖2(c)為使用四個傅里葉算子描述的邊緣信息;圖2(d)為使用八個傅里葉算子描述的邊緣信息;圖2(e)為使用十六個傅里葉算子描述的邊緣信息;圖2(f)為使用三十二個傅里葉算子描述的邊緣信息。圖2 利用傅里葉描述子特性處理光斑輪廓特征

圖2 利用傅里葉描述子特性處理光斑輪廓特征由圖2我們可以看出，少量的傅里葉描述子就可以描述光斑輪廓特征。使用8個描述子可以基本描述出光斑的輪廓特征，使用32個描述子基本可以描述出光斑的細(xì)節(jié)特征。在后面分類的過程中我們選用32個描述子作為形狀特征。

【參考文獻(xiàn)】：
期刊論文
[1]基于人工智能的大規(guī)模激光圖像分類研究[J]. 張春娥,趙曉東,楊麗娟.  激光雜志. 2018(05)
[2]一種基于樣本加權(quán)的合成多核學(xué)習(xí)方法[J]. 沈健,蔣蕓,張亞男,胡學(xué)偉.  計算機(jī)工程與科學(xué). 2017(10)
[3]基于信息向量機(jī)的機(jī)載激光雷達(dá)點云數(shù)據(jù)分類[J]. 劉志青,李鵬程,陳小衛(wèi),張保明,郭海濤.  光學(xué)精密工程. 2016(01)
[4]飛秒激光加工微結(jié)構(gòu)及其系統(tǒng)研究進(jìn)展[J]. 姜濤,楊宏青,樊喜剛,金亮.  制造技術(shù)與機(jī)床. 2014(05)
[5]核函數(shù)的選擇研究綜述[J]. 汪廷華,陳峻婷.  計算機(jī)工程與設(shè)計. 2012(03)
[6]光學(xué)組件面形檢測中激光光斑分割與分類算法的研究[J]. 陳念年,范勇,張雋楠,程曉峰,徐旭,劉楠.  計算機(jī)測量與控制. 2010(06)

博士論文
[1]多核學(xué)習(xí)算法與應(yīng)用研究[D]. 史亞.西安電子科技大學(xué) 2015

碩士論文
[1]基于多核學(xué)習(xí)的近紅外人臉檢測方法研究[D]. 陳磊.浙江理工大學(xué) 2018
[2]支持向量機(jī)核函數(shù)及關(guān)鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學(xué) 2016
[3]特征編碼及其在圖像分類識別中的應(yīng)用[D]. 張熠.國防科學(xué)技術(shù)大學(xué) 2014
[4]支持向量機(jī)中Sigmoid核函數(shù)的研究[D]. 劉明.西安電子科技大學(xué) 2009



本文編號：2925756