一种基于三维分支网络的光学全息粒子场颗粒点检测方法技术

一种基于三维分支网络的全息粒子场颗粒检测方法。网络分为主网络和辅助网络，结构包括用于学习数据特征的编码器和用于对特征进行重组的解码器。卷积层采用三种不同尺寸的三维卷积核并行计算，以适应不同尺寸的颗粒点。主网络结合残差网络构建深度卷积神经网络；辅助网络共享主网络部分特征图，拥有更小的网络深度。主网络和辅助网络使用不同数据分步训练，使其可以分别处理不同特征的颗粒点。本发明专利技术通过三维分支卷积网络，在全息粒子场数据质量较差时，也能完成对颗粒点的检测和分割，确定其空间坐标和聚焦层，并同时得到颗粒点形状尺寸等信息。

【技术实现步骤摘要】
一种基于三维分支网络的光学全息粒子场颗粒点检测方法
本专利技术涉及基于卷积神经网络的三维图像数据处理和机器学习
，特别是指一种基于三维分支网络的光学全息粒子场颗粒点检测方法。
技术介绍
全息技术是利用光的干涉和衍射原理来记录，并再现恢复物体的三维图像的技术，其基本原理是利用光波的干涉特点，同时记录下物体反射光的振幅与相位，然后再利用光的衍射原理，再现物体的光波信息，完成物体三维成像，根据记录介质不同，可以分为传统光学全息和数字全息。粒子场的精准测量是许多应用中都需要面对的问题，比如在物质燃烧、燃料喷射、气象研究、悬浮微粒生成以及化学反应等领域的研究中，如何应对快速变化的三维粒子场，对其中的粒子点进行准确的测量分析是非常重要的一个环节。与其他方法相比，使用全息术来对粒子场进行测量时，对被测粒子场不会造成任何干扰，因此不会破坏粒子场中粒子的空间分布，也不会导致粒子产生畸变，可以完整地记录被测场光波的相位和振幅信息，完成粒子场的三维再现。基于激光全息技术能够迅速记录物体信息的特点，粒子场全息术成为了对快速变化的动态三维粒子场进行特性分析最为有效本文档来自技高网...

【技术保护点】
1.一种基于三维分支网络的全息粒子场颗粒检测方法,其特征在于：采用三维分支网络对全息粒子场数据中的颗粒点进行识别与分割处理，得到目标颗粒点的参数信息；该三维分支网络整体架构包括主网络和辅助网络；主网络以残差块为基本单元，构建三维U形结构；辅助网络以原始数据和主网络的输出结合作为输入，与主网络共享部分特征图；网络卷积层使用三种不同尺度的三维卷积核并行卷积；主网络和辅助网络使用不同数据分步训练，以分别针对不同特征的目标颗粒点。/n

【技术特征摘要】
1.一种基于三维分支网络的全息粒子场颗粒检测方法,其特征在于：采用三维分支网络对全息粒子场数据中的颗粒点进行识别与分割处理，得到目标颗粒点的参数信息；该三维分支网络整体架构包括主网络和辅助网络；主网络以残差块为基本单元，构建三维U形结构；辅助网络以原始数据和主网络的输出结合作为输入，与主网络共享部分特征图；网络卷积层使用三种不同尺度的三维卷积核并行卷积；主网络和辅助网络使用不同数据分步训练，以分别针对不同特征的目标颗粒点。


2.如权利要求1所述的一种基于三维分支网络的全息粒子场颗粒检测方法,其特征在于：所述主网络以残差块为基本单元，每两层卷积做一次输入端到输出端的跨连接进行元素相加，构成一个残差块；所述主网络整体结构为U形，包括编码器和解码器，编码器包括残差块和下采样，通过卷积和下采样进行特征提取和尺度压缩；解码器包括残差块和上采样，对编码器学习到的特征进行重组；编码器各残差块输出的特征图与解码器中特征图进行级联，作为解码器中下一残差块的输入，使解码器获得浅层特征信息；最后使用带偏置的卷积进行通道归一。


3.如权利要求1所述的一种基于三维分支网络的全息粒子场颗粒检测方法,其特征在于：辅助网络包括卷积层、瓶颈层、下采样和上采样，包含所有信息的原始数据和作为指导作用的主网络输出相加作为辅助网络的输入；辅助网络以级联的方式共享主网络部分特征图，然后通过1*1*1卷积构成的瓶颈层进行尺度压缩
Bi＝Conv1(C(Fi，Ii))
其中Bi为辅助网络中瓶颈层的输出，Conv1表示1*1*1卷积，C表示级联，Fi和Ii分别表示主网络和辅助网络对应的特征图。


4.如权利要求1所述的一种基于三维分支网络的全息粒子场颗粒检测方法,其特征在于：网络中卷积层使用三个不同尺度的三维卷积核并行卷积，然后级联输出，以应对不同尺度的目标颗粒点
Ii＝R(C(W1(Ii-1)，W2(Ii-...

【专利技术属性】
技术研发人员：包立君，赵秋阳，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35