[计算机科学讲义] 模式识别与计算机视觉 第11256卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第一部分）|| 大口径终端光学元件在线损伤检测

摘要： 在不均匀全内反射照明条件下，本文提出一种基于机器学习的新方法来解决大口径终端光学元件损伤在线检测问题。该损伤在线检测主要包含三个子问题：激光诱导损伤（LID）真伪的自动分类、入射面与出射面LID的自动分类以及LID尺寸测量。我们首先采用局部区域信噪比（LASNR）算法对图像中所有候选区域进行分割，继而使用基于核函数的极限学习机（K-ELM）从候选区域中甄别真伪损伤点，进而提出基于自编码器的极限学习机（A-ELM）区分入射面与出射面损伤点，最后采用分层核极限学习机（HK-ELM）预测损伤尺寸。实验结果表明，本方法性能优于传统方法：真伪损伤分类准确率达97.46%，入射面与出射面损伤分类准确率为97.66%，预测尺寸的平均相对误差控制在10%以内。因此该方法满足损伤在线检测的技术要求。