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：浙江理工大学

摘要：本申请涉及杂质检测模型的训练方法、检测方法、设备和介质，训练方法包括：将含有杂质的训练样本输入待训练的神经网络，得到训练样本的杂质位置的输出结果，其中训练样本包括杂质的已知位置信息和已知光学信号，输出结果包含训练样本的杂质的预测位置和预测光学信号；将预测光学信号和预测位置进行分类，得到第一概率分布；将杂质的已知位置信息和已知光学信号进行分类，形成已知杂质的已知分类数据，并将已知分类数据进行one‑hot编码，得到第二概率分布；利用第一概率分布和第二概率分布，计算损失函数；调整神经网络的网格参数以缩小损失函数。神经网络稳定性强，准确性强。

主权项：1.一种深度学习光学表面杂质检测模型的训练方法，其特征在于，包括：将含有杂质的训练样本输入待训练的神经网络，得到所述训练样本的杂质位置的输出结果，其中所述训练样本包括所述杂质的已知位置信息和已知光学信号，所述输出结果包含所述训练样本的杂质的预测位置和预测光学信号；通过数值求解波动方程的方法，首先生成训练数据集训练数据选用的杂质参数为边长l＝4Δ的方形杂质，杂质折射率为G中不同的数据是通过改变杂质位置得到的，其中每一组数据包含光学脉冲信号IR,Tz和相应的杂质位置zc；在介质前和后分别收集反射光R和透射光T的强度信号，并对其在x方向进行积分从而得到沿z方向的分布IR,Tz；将所述预测光学信号和所述预测位置进行分类，得到第一概率分布；将所述杂质的已知位置信息和已知光学信号进行分类，形成已知杂质的已知分类数据，并将所述已知分类数据进行one-hot编码，得到第二概率分布，其中，约束杂质的质心z0在探测光信号强度大的范围内z0∈[-64Δ,64Δ]，然后将z0的坐标范围进一步划分了分类，其与杂质的真实坐标z0之间的关系为zc＝int[z04Δ]+17，其中int表示取整，而数据集G是由强度信号与杂质类号所构成的数据对神经网络的输入即光学脉冲信号为IR,Tz，而输出为一个定义在类号zc上的概率分布PR,Tzc|I，其反映了网络对指定的输入信号I进行分析后所作出的分类预测概率分布；利用所述第一概率分布和所述第二概率分布，计算损失函数；调整所述神经网络的网格参数以缩小所述损失函数；所述“将所述杂质的已知位置信息和已知光学信号进行分类，形成已知杂质的已知分类数据”，包括：约束所述杂质在所述神经网络的探测光信号强度范围内，并将所述杂质的位置范围划分为预设数量的类别；将所述已知位置信息依据所述预设数量的类别转化为已知位置的类号，并将所述已知光学信号对应所述已知位置的类号所对应的光学强度信号，获得已知杂质的已知分类数据，所述分类数据包括已知位置的类号和对应的光学强度；所述“将所述预测光学信号和所述预测位置进行分类，得到第一概率分布”包括：将所述预测位置信息依据所述预设数量的类别转化为预测位置的类号，并将所述预测光学信号对应所述预测位置的类号所对应的光学强度信号，获得预测杂质的第一概率分布；所述“调整所述神经网络的网格参数以缩小所述损失函数”之后，还包括：监督训练过程，获得监督测试数据；确定所述监督测试数据达到预设值，停止训练。

全文数据：

权利要求：

百度查询： 浙江理工大学 杂质检测模型的训练方法、检测方法、设备和介质