仪器仪表学报

作者：汤 政，雷 刚，王天祥，李 健，许传龙

单位：汤 政,1. 航天低温推进剂国家重点实验室东南大学基地，2. 东南大学能源与环境学院火电机组振动国家工程研究中心，3. 航天低温推进剂国家重点实验室,,雷 刚,3. 航天低温推进剂国家重点实验室,,王天祥,3. 航天低温推进剂国家重点实验室,,李 健,2. 东南大学能源与环境学院火电机组振动国家工程研究中心,,许传龙,2. 东南大学能源与环境学院火电机组振动国家工程研究中心,

关键词：电容层析成像;图像重建;卷积神经网络;模型超参数

基金：国家自然科学基金 ( 52006036)、 江苏省自然科学基金 ( BK20190366)、 航天低温推进剂技术国家重点实验室开放课题(SKLTSCP1908)、中央高校基本科研业务费专项资金(3203002101C3)资助

卷积神经网络凭借其较强的非线性拟合能力,在电容层析成像图像重建中逐渐得到应用。本文针对卷积神经网络模型超参数调节问题,研究了模型参数对卷积神经网络电容层析成像图像重建的影响。首先,通过数值方法构建了包含80000组随机流型与40000组典型流型的“电容矩阵-介质分布”数据集;然后,通过该数据集中的训练集对不同超参数的卷积神经网络模型进行训练和验证,并系统研究了网络初始化、网格密度、卷积核数、全连接层神经元数以及隐藏层结构等超参数对图像重建精度的影响;接着,利用额外生成的12000组数据作为测试集对各网络模型性能进行评价;最后通过静态实验,对不同网络模型的图像重建效果进行了比较和分析。结果表明:网络隐藏层结构对图像重建精度影响较大,而网络初始化、网格密度、卷积核数以及全连接层神经元数等超参数对重建精度影响较小。

来源：2021年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第10期