System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体而言,涉及一种利用稳定光源进行光学校准的方法及系统。
技术介绍
1、光学校准(optical calibration)是指对光学系统或设备进行精确的校准和调整,以确保其测量结果的准确性和可靠性。光学校准通常包括以下步骤:标定:通过与已知标准进行比较,确定光学系统的测量误差,并建立校准模型或校准曲线。这可以包括测量器件、参考标准或标准样品的特性参数;对齐:调整光学系统的各个组件,如光源、镜头、物体平台等,使其准确对准并满足设计要求。对齐通常涉及光路的调整、角度的微调和位置的校准;灵敏度校准:确定光学系统对不同输入信号的响应灵敏度,以获得准确的测量结果。这可能包括测量系统的响应函数、线性度和非线性特性等;色彩校准:针对颜色测量或显示设备,调整其颜色响应以匹配标准色彩空间或预期的色彩输出。这可以通过校正色彩温度、亮度、色彩饱和度等参数来实现;校准证书和追溯性:将校准结果记录在校准证书中,标明所使用的仪器、方法和标准。确保校准过程符合相关国际或行业标准,并具有可追溯性,以便验证和确认测量结果的可信度。
2、光学校准对于许多应用领域都非常重要,如光学测量、成像设备、天文观测、医学诊断等。它能够提高光学系统的准确性、一致性和可比性,确保数据的可靠性和可重复性。而在实际应用过程中,可靠且准确的校准往往难以实现。
技术实现思路
1、为了改善上述问题,本专利技术提供了一种利用稳定光源进行光学校准的方法及系统。
2、第一方面,提供一种利用稳定光源进行
3、获取仪器测量数据、稳定光源数据以及环境温度数据;其中,所述稳定光源数据为目标稳定光源的光源数据,所述仪器测量数据是光度计对所述目标稳定光源进行测量之后得到的测量数据;
4、基于所述仪器测量数据、所述稳定光源数据以及所述环境温度数据,构建光学校准数据检测模型;
5、基于所述光学校准数据检测模型以及所述环境温度数据,对观测数据进行校准处理,得到校准数据;
6、结合所述校准数据和所述光学校准数据检测模型,确定用于进行光学校准的目标测量数据。
7、优选的,在所述结合所述校准数据和所述光学校准数据检测模型,确定用于进行光学校准的目标测量数据之前,所述方法还包括:
8、通过机器学习算法对所述光度计进行性能检测,在所述光度计通过性能检测的前提下,执行结合所述校准数据和所述光学校准数据检测模型,确定用于进行光学校准的目标测量数据的步骤。
9、优选的,所述通过机器学习算法对所述光度计进行性能检测,包括:
10、获取目标性能检测数据记录,其中,所述目标性能检测数据记录包括对于所述光度计进行的性能检测图像记录;
11、基于所述目标性能检测数据记录获取x个先验检测信息,其中,每个先验检测信息携带认证的最少一个性能类别注释,所述x为不小于1的整数;
12、基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,其中,所述先验性能检测描述关系网反映所述x个先验检测信息属于y个性能类别注释的判别结果,所述y为大于1的整数;
13、基于所述目标性能检测数据记录生成待处理性能检测描述关系网,其中,所述待处理性能检测描述关系网反映所述目标性能检测数据记录针对各个设定性能检测项目的判别结果;
14、基于所述先验性能检测描述关系网以及所述待处理性能检测描述关系网,确定光度计性能光度计性能检测结果。
15、优选的,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
16、基于所述每个先验检测信息所对应的最少一个性能类别注释,确定所述y个性能类别注释中每个性能类别注释所对应的第一统计值;
17、基于所述y个性能类别注释中每个性能类别注释所对应的第一统计值,生成所述先验性能检测描述关系网。
18、优选的,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
19、对所述每个先验检测信息所对应的最少一个性能类别注释进行求并,得到第一性能类别注释簇;
20、对于所述第一性能类别注释簇中的每个性能类别注释,获取具有相同性能类别注释的先验检测信息簇;
21、对于所述第一性能类别注释簇中的每个性能类别注释,获取所述先验检测信息簇中每个先验检测信息的第一检测变量,其中,所述第一检测变量包括以下至少一项:先验检测信息与所述目标性能检测数据记录的共性评分,先验检测信息的确定性指数;
22、对于所述第一性能类别注释簇中的每个性能类别注释,基于所述先验检测信息簇中每个先验检测信息的第一检测变量,确定出类别量化可能性;
23、基于所述第一性能类别注释簇中每个性能类别注释所对应的类别量化可能性,生成所述先验性能检测描述关系网。
24、优选的,所述基于所述目标性能检测数据记录生成待处理性能检测描述关系网,包括:
25、将所述目标性能检测数据记录拆解成检测项目图像块序列,其中,所述检测项目图像块序列包括z个检测项目图像块,所述z为不小于1的检测项目图像块;
26、采用检测项目图像池对所述检测项目图像块序列中的每个检测项目图像块进行配对,得到z个检测项目图像块描述子,其中,每个检测项目图像块描述子对应于一个检测项目图像块,且,所述每个检测项目图像块描述子包括p个描述成员,所述检测项目图像池包括p个设定性能检测项目;
27、对所述z个检测项目图像块描述子中对应特征分布标签下的描述成员进行设定特征处理,得到所述待处理性能检测描述关系网。
28、优选的,所述基于所述先验性能检测描述关系网以及所述待处理性能检测描述关系网,确定光度计性能光度计性能检测结果,包括:
29、基于所述先验性能检测描述关系网,通过图像处理算法所包含的性能检测分析组件,获取性能检测描述子;
30、基于所述待处理性能检测描述关系网,通过所述图像处理算法所包含的深度残差组件,获取图像残差连接块;
31、基于所述性能检测描述子以及所述图像残差连接块,生成目标检测图像描述子;
32、基于所述目标检测图像描述子,通过所述图像处理算法所包含的性能检测判别组件,获取性能检测判别观点;
33、基于所述性能检测判别观点确定光度计性能光度计性能检测结果;
34、其中,所述基于所述先验性能检测描述关系网,通过图像处理算法所包含的性能检测分析组件,获取性能检测描述子,包括:
35、基于所述先验性能检测描述关系网,通过所述性能检测分析组件所包含的特征迁移指示,获取性能检测迁移特征,其中,所述性能检测分析组件属于所述图像处理算法;
36、基于所述性能检测迁移特征,通过所述性能检测分析组件所包含的特征提取分支,获取本文档来自技高网...
【技术保护点】
1.一种利用稳定光源进行光学校准的方法,其特征在于,应用于AI校准决策系统,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在所述结合所述校准数据和所述光学校准数据检测模型,确定用于进行光学校准的目标测量数据之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述通过机器学习算法对所述光度计进行性能检测,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
6.根据权利要求3所述的方法,其特征在于,所述基于所述目标性能检测数据记录生成待处理性能检测描述关系网,包括:
7.根据权利要求3所述的方法,其特征在于,所述基于所述先验性能检测描述关系网以及所述待处理性能检测描述关系网,确定光度计性能光度计性能检测结果,包括:
8.根据权利要求7所述的方法,其特征
9.一种AI校准决策系统,其特征在于,所述AI校准决策系统包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种利用稳定光源进行光学校准的方法,其特征在于,应用于ai校准决策系统,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在所述结合所述校准数据和所述光学校准数据检测模型,确定用于进行光学校准的目标测量数据之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述通过机器学习算法对所述光度计进行性能检测,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述每个先验检测信息所对应的最少一个性能类别注释,生成先验性能检测描述关系网,包括:
6.根据权利要求3所述的方法,其特征在...
【专利技术属性】
技术研发人员:车慧正,郑宇,桂柯,李雷,赵胡笳,梁苑新,赵恒恒,王鹏,夏祥鳌,朱君,宋京京,王玉鹏,朱吉彪,魏垚,
申请(专利权)人:中国气象科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。