概括
基于图像的深度学习准确地预测表面处理的激光镜头. VGG16型号的精度超过99%,提高了工业效率和生产时间.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
- 激光技术 激光技术 激光技术
背景情况:
- 优化叠加激光拍摄对于脉冲激光表面处理至关重要.
- 基于图像的深度学习 (IBDL) 为预测表面辐射条件提供了一种新的方法.
研究的目的:
- 开发一套激光照射表面图像的数据集.
- 使用深 convolutional 神经网络 (CNN) 模型预测叠加激光射击的数量.
主要方法:
- 激光射击实验是在使用532nm纳米秒YAG激光对铜目标进行的.
- 创建了一个1936张图像的数据集,叠加的镜头范围从1到1024 (二次数).
- 几个预先训练有素的深度CNN模型被用于预测.
主要成果:
- VGG16模型显示了高的验证准确性和99%以上的精度.
- 与其他测试的深度CNN模型相比,VGG16表现出更高的灵敏度.
- 开发的IBDL方法有效地预测叠加激光射击.
结论:
- 在激光表面加工中,VGG16模型对预测叠加激光射击非常有效.
- VGG16模型的高灵敏度可以显著提高工业时间,效率和生产.
- IBDL为优化激光表面处理参数提供了一种有前途的技术.
