买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院上海技术物理研究所

摘要：本发明公开了一种基于干涉图像机器学习的激光模式识别方法。本方法使用机器学习算法处理激光干涉图像数据，通过实际采样数据进行特征提取，训练后生成分类模型，可以有效地评估激光器工作在单纵模状态还是多纵模状态。本发明对激光模式分类具有较高的准确性和可靠性，可以应用在需要单纵模激光光束的精密光谱应用中，尤其适用于在线调节激光器并进行自动识别激光模式状态的情况。

主权项：1.一种基于干涉图像机器学习的激光模式识别方法，其特征在于，所述方法包含以下步骤：1获取干涉图像；1-1使用干涉装置使激光器发出的激光产生干涉，使用两个预设有角度的反射平面，其中前表面是部分反射，后表面是全反射，两个反射光束叠加产生干涉条纹；1-2用线列CCD或COMS探测器在水平方向上采集干涉条纹，得到干涉条纹一维数字图像；2采集训练用原始数据；2-1调整激光器的工作参数，记录激光器发出激光束状态，所述状态为单纵模或多纵模，并同时采集激光的干涉条纹一维数字图像；3提取频域特征；3-1对干涉条纹一维数字图像数据进行快速傅里叶变换，得到其幅度谱；3-2计算各组数据幅度谱的特征量，所述特征量包括：Max_value：幅值的最大值；Main_freq：幅值最大值所对应的空间频率值；FWHM：幅值最大值所对应的空间频率半高宽；Power：所有频率幅值绝对值的总和；Ratio：Max_valuePower-Max_value，即最大幅值在总能量中的占比；4构建机器学习分类模型；4-1使用支持向量机SupportVectorMachine,SVM机器学习算法作为对激光模式状态进行分类的算法；4-2用各组特征量和对应的激光束是单纵模还是多纵模标签作为训练样本集合训练SVM，SVM采用线性核函数，并对输入特征进行归一化处理，训练得到针对所用激光器的激光束模式状态分类模型；5评价分类效果；5-1采集不同工作情况下激光器发出激光的干涉条纹一维数字图像，并同时记录激光束状态，作为测试分类效果用的原始图像数据；5-2提取测试用干涉条纹图像的频域特征量后输入到训练好的分类模型，得到激光模式的识别结果；5-3评估分类效果的指标包括：准确率Accuracy：分类正确的样本数总样本数；精确率Precision：正确分类的正样本数所有被分类为正样本的样本数；召回率Recall：正确分类的正样本数所有实际为正样本的样本数；F1值F1-score：2*精确率*召回率精确率+召回率，F1值是精确率和召回率的调和平均值，用于衡量分类器的综合效果。

全文数据：

权利要求：

百度查询： 中国科学院上海技术物理研究所 一种基于干涉图像机器学习的激光模式识别方法