典型文献
基于优化ELM的光纤连接器表面自识别降噪技术
文献摘要：
光纤连接器的表面检测属于精密仪器检测,因此工厂环境中的大量灰尘会影响连接器表面的复原效果.然而现有的检测技术运行时间长,对于图像细节的保留能力差,并且难以克服实际工作环境中的干扰.因此提出一种优化超限学习机的自识别降噪技术.首先对于干涉数据进行降维处理;其次,采用AdaBoost算法优化超限学习机对噪声点进行定位;最后通过滤波算法对噪声点位置进行修复.实验得出,基于AdaBoost-Elm的自识别降噪算法具有较高的噪声识别能力,其平均噪声识别率达97.33％.此外,采用基于AdaBoost-Elm降噪算法得到BBS的平均值为131.14,NRIQAVR的平均值为2.61,降噪效果均优于全局滤波算法.最后,通过模拟工厂环境,采用基于AdaBoost-Elm的中值滤波算法在不同光强条件下对重度污染的光纤探头进行3D复原测试,其BBS达到130左右,NRIQAVR低于2.57,对比基于Elm的中值滤波算法具有明显优势.
文献关键词：
光纤连接器;机器学习;超限学习;图像处理;光学工程
中图分类号：
作者姓名：
陈博桓;王馨雨;许学彬;沈洋;倪军
作者机构：
中国计量大学光学与电子科技学院 杭州 310018;中国计量大学艺术与传播学院 杭州 310018
文献出处：
引用格式：
[1]陈博桓;王馨雨;许学彬;沈洋;倪军-.基于优化ELM的光纤连接器表面自识别降噪技术)[J].电子测量与仪器学报,2022(04):169-178
A类：
Elm,NRIQAVR
B类：
ELM,光纤连接器,自识别,降噪技术,表面检测,精密仪器,仪器检测,灰尘,复原效果,技术运行,运行时间,难以克服,超限学习机,降维处理,AdaBoost,算法优化,噪声点,降噪算法,噪声识别,识别能力,识别率,BBS,降噪效果,中值滤波算法,重度污染,光纤探头,比基,光学工程
AB值：
0.273317
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
