基于深度学习的激光散斑图像识别技术研究

来源：激光技术杂志2024年第3期北京时间：

作者：贺锋涛, 吴倩倩, 杨祎, 张建磊, 王炳辉, 张依

摘要：为了解决激光散斑对高于20 ℃时的水温存在测量灵敏度下降等问题，提出了一种基于深度学习的激光散斑图像识别探测方法，构建了20.1 ℃、20.2 ℃及20.3 ℃的散斑图像数据集，采用一种多尺度卷积神经网络，结合适当的损失函数和数据增强技术，以优化激光散斑图像的特点; 通过深度学习模型在散斑数据集上的训练与测试实验，实现了水下温度信息散斑图像的高准确率识别，解决了对比度饱和测量灵敏度下降的问题。结果表明，与AlexNet、VGG、ResNet模型相比，GoogleNet模型对散斑图像的水下温度识别准确率达到了99%。该研究为深入了解温度场分布及其影响提供了理论支持，并为相关应用领域提供了有价值的参考。

关键词：图像处理, 散斑图像, 深度学习, GoogleNet, 分类识别