[发明专利]基于深度学习的激光近场状态分析方法及装置在审
| 申请号： | 202010197754.6 | 申请日： | 2020-03-19 |
| 公开（公告）号： | CN111429422A | 公开（公告）日： | 2020-07-17 |
| 发明（设计）人： | 耿远超;黄小霞;王文义;黄晚晴;张颖;刘兰琴;孙喜博;陈元;王芳;田志宇 | 申请（专利权）人： | 中国工程物理研究院激光聚变研究中心 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T3/60;G06T5/00 |
| 代理公司： | 北京同辉知识产权代理事务所(普通合伙) 11357 | 代理人： | 张明利 |
| 地址： | 621999*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 激光 近场 状态 分析 方法 装置 | ||
1.一种基于深度学习的激光近场状态分析方法，其特征在于，包括：
获取激光近场图像；
对所述激光近场图像进行第一处理，得到第一图像；
将所述第一图像进行第二处理，得到第二图像；
将所述第一图像输入第一图像近场分析模型，得到第一图像分析结果；
将所述第二图像输入第二图像近场分析模型，得到第二图像分析结果；
根据所述第一图像分析结果和所述第二图像分析结果，得到激光近场状态分析结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像分析结果和所述第二图像分析结果，得到激光近场状态分析结果，包括：
所述第一图像分析结果与所述第二图像分析结果相加，得到所述激光近场状态分析结果。
3.根据权利要求1所述的方法，其特征在于，所述将所述第一图像输入第一图像近场分析模型，得到第一图像分析结果，包括：
所述第一图像分析结果其中，k为所述第一图像近场分析模型的编号，s为所述第一图像近场分析模型的数量，ak为所述第一图像近场分析模型的分析结果。
4.根据权利要求1所述的方法，其特征在于，所述将所述第二图像输入第二图像近场分析模型，得到第二图像分析结果，包括：
所述第二图像分析结果其中，i为所述第二图像近场分析模型的编号，t为所述第二图像近场分析模型的数量，j为第二图像编号，N为所述第二图像的数量，bij为所述第二图像近场分析模型的分析结果。
5.根据权利要求1所述的方法，其特征在于，所述对所述激光近场图像进行第一处理，得到第一图像，包括：
将所述激光近场图像进行去除背景噪声、旋转以及剪裁操作，得到所述第一图像。
6.根据权利要求5所述的方法，其特征在于，所述将所述第一图像进行第二处理，得到第二图像，包括：
将所述第一图像进行切分，得到所述第二图像。
7.根据权利要求6所述的方法，其特征在于，在将所述第一图像输入第一图像近场分析模型，得到第一图像分析结果之前，还包括：
获取第一图像近场分析模型和第二图像近场分析模型。
8.根据权利要求7所述的方法，其特征在于，所述获取第一图像近场分析模型，包括：
采集激光近场图像；
对所采集激光近场图像进行第一处理和第一标记，构建第一训练数据集；
构建第一卷积神经网络模型；
利用第一训练数据集训练所述第一卷积神经网络模型，得到所述第一图像近场分析模型。
9.根据权利要求8所述的方法，其特征在于，所述获取第二图像近场分析模型，包括：
将所采集激光近场图像进行第二处理和第二标记，构建第二训练数据集；
构建第二卷积神经网络模型；
利用第二训练数据集训练所述第二卷积神经网络模型，得到所述第二图像近场分析模型。
10.一种用于激光近场状态分析的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至9中任一项所述的基于深度学习的激光近场状态分析方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国工程物理研究院激光聚变研究中心，未经中国工程物理研究院激光聚变研究中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010197754.6/1.html，转载请声明来源钻瓜专利网。
