[发明专利]基于神经网络的光纤端面自动对焦的方法和相关装置有效

专利信息
申请号: 201910151409.6 申请日: 2019-02-28
公开(公告)号: CN109936696B 公开(公告)日: 2020-09-29
发明(设计)人: 田劲东;陈烁;章勤男;李东;田勇 申请(专利权)人: 深圳大学
主分类号: H04N5/232 分类号: H04N5/232;G02B21/36;H04B10/073;G06N3/04;G06N3/08;G06K9/62
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 唐致明
地址: 518060 广东*** 国省代码: 广东;44
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 神经网络 光纤 端面 自动 对焦 方法 相关 装置
【权利要求书】:

1.一种基于神经网络的光纤端面自动对焦方法,其特征在于,光纤固定在光纤夹具上,包括步骤:

设置光纤的当前位置作为初始位置,采集获取所述初始位置的第一光纤端面图像;

以预设步进移动光纤夹具至第二位置,采集获取所述第二位置的第二光纤端面图像;

将所述第一光纤端面图像和所述第二光纤端面图像按照采集顺序输入至训练后的神经网络中,所述神经网络包括以下一种:BP网络、CNN网络或ResNet网络;

获得所述神经网络的输出结果,所述输出结果为根据两张输入图片的清晰度变化状态生成的对应的移动方向标签,所述移动方向标签包括:正确方向标签或错误方向标签;

根据所述移动方向标签和对焦策略调整光纤夹具的位置,直至所述光纤的端面到达清晰对焦位置,所述对焦策略包括以下至少一种:遍历法、变步长法和爬山法;

所述神经网络的训练过程包括步骤:

对多种类型的光纤端面,均获取在对焦场景中清晰对焦成像的少量光纤端面图像作为每个类型光纤端面的基础图像;

对所述基础图像进行扩充形成大量相关图像,组成每个种类光纤端面的类型图像库;

对所述类型图像库中所述相关图像通过离焦的方式,生成一组对应的光纤端面在不同离焦位置的离焦图像序列,并对所述离焦图像序列中的图像进行两两排列组合,构成图像样本;

比较所述图像样本分别对应的离焦位置和对应的基础图像的清晰对焦成像位置,生成指示移动方向的移动方向标签;

将所述图像样本和对应的移动方向标签作为训练样本,输入神经网络中,对所述神经网络进行训练,得到训练后的神经网络。

2.根据权利要求1所述的一种基于神经网络的光纤端面自动对焦方法,其特征在于,所述对焦策略为变步长法,具体是:根据所述移动方向标签调整所述光纤夹具下一次移动的移动方向并调整预设步进的大小,直至所述光纤的端面到达清晰对焦位置。

3.根据权利要求1所述的一种基于神经网络的光纤端面自动对焦方法,其特征在于,所述扩充的具体方式包括以下至少一种:翻转、缩放、旋转或对比度拉伸。

4.根据权利要求3所述的一种基于神经网络的光纤端面自动对焦方法,其特征在于,所述离焦的方式为通过圆盘离焦模型进行离焦。

5.根据权利要求1所述的一种基于神经网络的光纤端面自动对焦方法,其特征在于,所述神经网络为CNN网络,所述CNN网络的结构为:包括四个卷积层,分别为第一卷积层、第二卷积层、第三卷积层和第四卷积层,每一个卷积层后面连接对应的池化层,所述第一卷积层和第二卷积层的卷积核大小为64,所述第三卷积层的卷积核大小为32,所述第四卷积层的卷积核大小为16,所述第四卷积层对应的池化层后还包括两个全连接层。

6.根据权利要求5所述的一种基于神经网络的光纤端面自动对焦方法,其特征在于,所述CNN网络的损失函数为:交叉熵损失函数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳大学,未经深圳大学许可,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/201910151409.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top