[发明专利]一种基于卷积神经网络的光学扫描全息图像识别方法

权利要求书

1.一种基于卷积神经网络的光学扫描全息图像识别方法，其特征在于，包括以下步骤：

步骤1.首先，角频率为ω₀的激光被第一分束器分成两束方向不同的光路，其中一束光在声光调制器的作用下，角频率变为ω₀+Ω，再通过反光镜，第一光瞳和第一凸透镜变成球面波；同时，另一束光通过反射镜，第二光瞳和第二凸透镜；

步骤2.频率为ω₀+Ω的球面波和频率为ω₀的平面波在第二分束器处干涉形成实时菲涅尔波带板，然后再通过X-Y扫描振镜对物体进行扫描，置于物体后的光电探测器接收物体的透射光，最后经过解调得到全息图；

步骤2-1.光波在第二分束器处汇聚干涉形成菲涅尔波带板，再通过X-Y扫描振镜对物体进行扫描，该过程的光学传递函数为：

其中，x和y表示待测物体的位置，x′和y′为积分变量，z表示x-y扫描振镜到待测物体的距离，λ表示光波波长，表示波数，第一凸透镜和第二凸透镜的焦距均为f，k_x和k_y表示频域坐标，上标*表示共轭，p₁(x，y)和p₂(x，y)分别为第一光瞳函数和第二光瞳函数；

采用传统光瞳函数，p₁(x，y)＝δ(x，y)，p₂(x，y)＝1，δ为冲激函数，则光学传递函数可表示为：

步骤2-2.菲涅尔波带板对3-D物体进行2-D扫描，置于物体后的光电探测器接受物体的透射光并将其转化为电信号，传到电脑端，得到全息图，物体的全息图函数可写成：

g(x，y)＝F^-1{F[O(x，y；z₀)]·OTF(k_x，k_y；z₀)}

其中，z₀为物体所在位置，F和F^-1分别表示傅里叶变换和逆傅里叶变换，O(x，y；z₀)表示物体的振幅函数；

步骤3.重复步骤1和步骤2，以此获得N幅全息图；统一对N幅全息图的文件名进行处理，每一张图像名称修改为对应的全息图标签；

步骤4.利用获得的全息图以及对应的标签作为训练数据，训练一个能够识别全息图的模型；

步骤4-1.将步骤3得到的N幅全息图依次顺时针旋转90°以扩充训练图像数据，并修改每一张全息图标签，以此得到训练标签；

步骤4-2.利用旋转前后得到的2*N幅全息图及其对应的标签作为训练数据，训练卷积神经网络得到一个可以识别全息图的模型，记为函数Model。

2.根据权利要求1所述的基于卷积神经网络的光学扫描全息图像识别方法，其特征在于，卷积神经网络结构依次如下：

Input：输入层，即全息图；Layer1：卷积层1，包含32个3x3的卷积核，2x2的池化层，以及ReLU激活函数；Layer2：卷积层2，包含64个3x3的卷积核，2x2的池化层，以及ReLU激活函数；FC1：全连接层1，包含256个神经元；Output：输出层，包含10个神经元，即为标记的10类。