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
• 机 构: 南京航空航天大学自动化学院
• 出 处: 机械制造与自动化
• 发表日期: 2020年05期
• 关键词: 正电子探测成像技术 深度学习 卷积神经网络 分类识别 positron detection imaging technologydeep learningcon
• 基金项目: 国家自然科学基金面上项目(51875289,6187124),航空科学基金项目(2016ZD52036),中央高校基本科研业务费专项资金项目(NS2019017),江苏省研究生科研与实践创新计划项目(KYCX18_0269)

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