公开(公告)号：CN117152434A

公开(公告)日：2023-12-01

申请号：CN202311129794.7

申请日：2023-09-04

申请人： 哈尔滨工业大学

发明人： 韩越越 ,  祝世林 ,  陈凤东 ,  刘国栋 ,  唐军 ,  向勇

IPC分类号： G06V10/26 ,  G06V10/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G06T7/00

摘要： 一种Mobile‑UNet++大口径光学元件激光诱导损伤分割方法，属于光学元件损伤检测领域。本发明针对现有深度学习领域中，光学元件激光诱导损伤全监督语义分割依赖大量人工标注，时间效率低的问题。包括：获取原始损伤图像数据集；筛选激光诱导损伤的像素级分割掩模作为原始损伤图像的真值标签，并形成样本图像集；对样本图像分类并数据增强使各类别样本图像个数均衡；制作FODI损伤数据集，并确定训练集与测试集；搭建Mobile‑UNet++模型，进行训练和测试，得到训练后Mobile‑UNet++模型；获取待检测图像，输入至训练后Mobile‑UNet++模型，获得语义分割结果。本发明用于暗场成像的大口径光学元件图像的激光诱导损伤分割。