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：湖南理工学院

摘要：本发明公开了一种基于深度学习模型的浑浊介质光学参数测量系统与方法。该方法包括：设置系统参数值，用蒙特卡罗计算透过样品后的光强分布图像，对图像进行预处理和标记，设置深度学习模型参数和训练网络模型，利用测量系统获取透过样品后的光强分布图像，对实验图像进行预处理，使用已训练好的深度学习网络模型对实验图像进行吸收系数μa、散射系数μs和各向异性系数g提取并对这些光学参数进行校验。利用计算数据训练深度学习模型前，需要利用已知光学参数样品，对计算和测量光强分布图像进行余弦相似性检验，通过检验表明蒙特卡罗计算程序和测量系统达到测量要求。本测量方法参数识别效率和准确率高，测量系统简单。

主权项：1.一种浑浊介质光学参数测量方法，其特征是一种基于深度学习模型的浑浊介质光学参数测量方法，该方法利用光学参数测量系统获取透过样品后的光分布图像，经预处理后由已训练好的深度学习网络模型提取样品吸收系数μa、散射系数μs和各向异性系数g，所述光学参数测量系统包括以光信号相连的宽谱光源1、抛物面准直镜2、分光器3、狭缝4、准直器5、样品池6、相机7和计算机8，其中：计算机8利用深度学习模型进行浑浊介质样品的光学参数测量；宽谱光源1发出的连续宽带非相干光经过抛物面准直镜2准直后，入射到分光器3，将宽谱白光在空间上分成不同波长的光，经过狭缝4选择所需波长的单色光，进一步采用准直器5压缩光束的发散角，准直后的光入射到样品池6，透过样品后采用相机7对经样品后的光束进行采集，采集的图像送入计算机8利用深度学习模型进行浑浊介质样品的光学参数测量；所述方法具体包括以下步骤：S1：设置测量系统和样品参数以及蒙特卡罗计算参数；S2：测量系统获取不添加样品时的入射光分布作为蒙特卡罗程序的输入光分布，计算出透过样品后的光强分布图像；S3：将S2中的图像进行预处理及使用光学参数标记图像；S4：搭建深度学习模型，设置模型训练的超参数，使用S3中的图像数据集训练深度学习模型；S5：利用测量系统获取透过样品后的光强分布图像；S6：对S5中采集的光强分布图像进行预处理；S7：提取S4中完成训练后的最佳权重参数完成深度学习网络模型；S8：使用S7中的模型提取样品光学参数并对光学参数进行校验，该校验是指用S7中的模型对S6中的实验光强分布图像识别并提取样品吸收系数μa、散射系数μs和各向异性系数g，并对光学参数进行异常值校验；其中S1中设置的测量系统参数包括相机的空间方向、三维位置坐标、像素尺寸大小和像素数；样品参数包括样品环的厚度、内环直径、外环直径、反射率、窗口玻璃的折射率、厚度、大小尺寸；蒙特卡罗计算参数包括计算总光子数，吸收系数μa、散射系数μs和各向异性系数g的初始值、计算步长值和计算个数；S2具体包括：测量系统获取特定波长下不添加样品时的透射光强分布作为基于辐射传输方程计算程序的输入光分布，并将计算总光子数按照光分布概率分配到每一个计算像素，再采用GPU蒙特卡罗并行计算得到透过样品后的光强分布图像；S4所述深度学习网络模型的结构第一层为图像数据输入层，第二至第五层为卷积层，第六至第九层为全连接层，第十层为光学参数的输出层，其中卷积层和全连接层的激活函数选择Relu，采样方式为下采样，学习率参数设置为阶梯下降，深度学习网络模型的损失函数选择MSE函数；训练深度学习网络模型前，利用已知光学参数样品，对计算和测量光强分布图像进行相似度检验，通过检验表明计算程序和测量系统达到测量要求。

全文数据：

权利要求：

百度查询： 湖南理工学院 基于深度学习模型的浑浊介质光学参数测量系统与方法