利用神经网络实现多模光纤传输散斑的识别

搭建实验平台,把26个字母的图像传入光纤,并在输出端采集散斑图.把散斑图展开到HSV色彩空间中,单使用V分量进行分类能达到不错的分类准确率,且能缩减训练时长.在预处理后,分别使用具有不同层数卷积结构的神经网络、卷积神经网络和支持向量机(CNN+SVM)算法、SVM算法对散斑图进行分类.测试结果发现,使用4420张散斑图作为训练集,3层卷积结构的神经网络的识别准确率为88％,4层卷积结构的神经网络的识别准确率为95％,CNN+SVM算法的识别准确率为98％,而SVM算法的识别准确率达到了100％.实验结果表明,把机器学习算法应用在光信号上,同样可以对多模光纤散斑图进行分类,当图像特征相对明显时,直接使用SVM算法对光纤输出散斑进行识别,可以大大提升多模光纤输出散斑图的识别准确率.