以卷积神经网络数据采集方法拓宽真空教学实验_彭博.pdf
《以卷积神经网络数据采集方法拓宽真空教学实验_彭博.pdf》由会员分享,可在线阅读,更多相关《以卷积神经网络数据采集方法拓宽真空教学实验_彭博.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷第期 年月 物理实验 ,收稿日期:;修改日期:基金项目:浙江省高校实验室工作研究项目();浙江大学物理学院教学研究项目()作者简介:彭博(),男,江西南昌人,浙江大学竺可桢学院 级本科生 :杜尚耕(),男,吉林白城人,浙江大学物理学院 级本科生 :周云帆(),男,广西南宁人,浙江大学竺可桢学院 级本科生 :通信作者:郑远(),男,江西景德镇人,浙江大学物理学院助理研究员,博士,研究方向为高温超导材料的表面电子态二维材料的电输运性质 :共同第一作者,对本文贡献相同文章编号:()以卷积神经网络数据采集方法拓宽真空教学实验彭博,杜尚耕,周云帆,郑远,王业伍(浙江大学 竺可桢学院;物理学院,浙江
2、 杭州 )摘要:设计制作了基于玻璃扩散泵的两级泵真空实验装置,该实验装置具有良好的透视性,适合本科初级阶段的实验教学;实验中融合计算机识别算法,采用卷积神经网络高效采集数据开展了真空的获得与测量实验教学方法的探索,包括:低真空的抽气与漏气实验,测量抽速与漏率;高真空的获得与测量,观测扩散泵运转过程;腔体真空度与位置之间的关系实验,探究流导对真空的影响较为全面地将真空基本概念融入实验,并与自动化采集实验相结合,提高了实验效率关键词:真空实验;扩散泵;卷积神经网络中图分类号:;文献标识码:真空技术起源较早,第台真空泵可以追溯到 世纪中期,至今仍然受到研究人员和教育工作者的关注真空技术不仅广泛应用于
3、工业生产,还与现代科技密不可分,例如电子束蒸发、磁控溅射、电子束曝光、离子束切割等,通常需要两级泵系统达到高真空(),而用于表征样品的透射电子显微镜、扫描隧道显微镜和光电子能谱仪等则需要更多级泵组合才能达到超高真空()本科阶段的真空教学实验,也需要两级泵组的实验系统,以开展高真空实验教学内容近年来,许多高校在真空实验的教学内容和教学方法上进行了探索不论是自组装式低真空的获得实验、真空蒸发镀膜实验与真空校准实验,还是虚拟仿真实验,总体上都较为直观地将真空装置各组成部分呈现出来,例如泵体、真空连接件、规管和阀门等,为学生提供了自主探究的实验条件但是,一般的教学实验装置不具备自动采集气压数据的功能,
4、大部分教学实验仍采用传统手动记录数据的方法,这对一些真空实验内容并不适用在实验中,如果需要观测系统气压的变化过程,反复读数和记录将使测量过程非常繁琐,且不适合于气压快速变化的实验本教学实验中探索引入卷积神经网络识别算法,采用录制视频、视频处理和识别转换的方法,快速获得准确、有效的实验数据,减少人工记录数据的过程,优化实验数据采集方式以提升教学效果本文基于两级泵组实验系统,对识别算法、等容抽气、等压漏气以及腔体流导等教学内容展开介绍与讨论一方面,使学生对卷积神经网络计算方法有所了解;另一方面,加强学生对两级泵系统在不同真空区间的气压变化规律和特点的学习真空实验装置 实验装置对于初次接触真空实验的
5、本科生,实验装置设计应简明直观 本文设计制作的装置不仅显示全部不锈钢管路和阀门,而且采用玻璃材质的扩散泵、热电偶真空计和电离真空计,以透明的方式呈现实验过程装置实物图如图()所示,主体部分可以通过透明亚克力窗口直接观察图()为实验装置的示意图,包括油封式旋片机械泵、玻璃扩散泵、加热电炉、热偶温度计、电阻真空计、复合真空计、缓冲腔、阀门、不锈钢管路、冷却循环水以及外部框架,其中复合真空计由热电偶真空计和电离真空计组成()装置实物图()装置结构图图真空装置图装 置 主 体 位 于 金 属 柜 体 内,连 接 方 式 见图(),玻璃扩散泵与不锈钢管通过软管连接,数显型温度计与真空计位于柜体上方;柜体
6、外左下侧软 管 连 接 水 路,用 于 冷 却 扩 散 泵;右 下 侧 接口经过阀门 和波纹管连接机械泵,右侧外部管路连接热电偶真空计、电离真空计和微漏阀,管路末端还设有 标准接口供其他连接使用 装置的工作模式与其他两级泵组系统相同,首先开启实验装置中的机械泵使系统进入低真空();然后经扩散泵运转使系统真空度进一步提升,达到高真空状态,玻璃扩散泵极限真空度可以达到 操作者可通过对阀门的开关操作,实现对装置真空抽取模式的控制主要有个模式:)低真空模式:关闭阀门 和,打开阀门和,隔离扩散泵,仅由机械泵工作抽取气体)高真空模式:关闭阀门,打开阀门,和,首先由机械泵工作抽取气体,待真空度达到 后,开启
7、循环水和扩散泵加热电炉,待扩散泵稳定沸腾后可达高真空)真空切换模式:首先使系统进入高真空状态,真空度达到 关闭阀门,通过微漏阀使外部管路恢复大气压在此状态下可进行更换样品或外腔等操作处理完成后,保持阀门关闭,再关闭阀门,打开阀门,使外部管路重新进入低真空随后尽快关闭阀门,并依次打开阀门 和最终恢复系统高真空状态抽取过程中通过电阻真空计测定扩散泵出气口的真空度,测量范围为 ,通过热电偶真空计和电离真空计测定扩散泵进气口连接腔体真空度,的气压由热电偶真空计读取,低于 的气压由电离真空计读取扩散泵底部温度则通过热偶温度计测定数据与识别算法 图像获取及预处理实验中将拍摄装置(如手机)架设在仪器前,调节
8、拍摄装置位置、取景范围和焦距,使拍摄的图像完整且清晰,使用录制功能获取视频数据对视频每间隔 截取张图像,如图()所示图中展示了实验装置数据测量的主界面,包含 型 电 阻 真空 计、型 复 合 真 空计、型温度计和组总开关图()中虚线框中的数据,从左至右依次为电阻真空计、热电偶真空计和电离真空计的数据,以及左下角的温度计数据通过预处理算法,从图像中寻找确定数据对应的位置定位数据后,将个数据分别进行截取,删掉其他部分再进行后续处理,如图()第行所示物理实验第 卷()数据测量界面图()数据预处理过程图图像数据预处理为了降低后续计算的复杂度,对数据进行二值化处理,将彩画图像变为黑白图像,如图()第行所
9、示最后,根据数字的位置和个数,对图像进行分割,获得单个数字的图像,并通过二维线性插值将数字图像尺寸调整为 像素,如图()第行所示 卷积神经网络结构为了使算法具有更好的抗干扰性,尽量避免不同拍摄视角、光线和噪声等因素的影响,采用训练卷积神经网络的方法识别数据,其结构主要参考文献 中用于识别手写数字的 网络结构,该网络结构有个卷积层、个池化层和个全连接层,共层,如图所示图卷积神经网络结构相邻层之间的运算方法与文献 略有不同,主要分为卷积、池化(子采样)和全连接类连接权重记为,偏差记为,采用常用的 激活函数为 ()(,),R.()将神经网络结构数据记为(),代表神经网络层数,时对应输入数据,输入数据
10、和前层数据可看成三维数组,后层则可看成一维数组,数组总层数记为(例如第层数组).对于卷积过程,连接权重和偏差用下标标记,令为的四维数组,为的一维数组,连接过程共有组不同的和,计算过程为()()(),()其中,表示矩阵卷积运算,对应第 层数组的层数以及和的组数.对于池化过程,在数组的每一层都采用对的近邻数据取最大值的方式进行特征压缩,无需经过权重、偏差和激活函数运算.对于全连接过程,连接权重和偏差用下标 标记,令为的二维数组,为 的一维数组,计算过程为()()(,)(),()其中,对应第层数组的层数,并作为和的指标.对最后一层输出端采用归一化函数 映射到(,)区间,设结果数组为?,其中:?()(
11、),.()第期彭博,等:以卷积神经网络数据采集方法拓宽真空教学实验设真值数组为,选择交叉熵损失函数进行识别优化:(?)()(?),()其中,.交叉熵度量了组概率分布之间的差异.当?与差别越大则越大,反之越小.使用随机梯度下降算法,以适合的反向传播学习率对权重和偏差的取值做迭代训练,最终以交叉熵损失函数逼近最小值,且在测试集上识别正确率达到,作为达到完成训练的判定标准 数据集训练与测试本文采用文献 数据集对算法进行测试,其后对视频中部分数据通过人工制作分类标签的方法创建数据集,其目的在于更好地适应实验条件,提高识别正确率数据集共包含 个数字图像,每个数字图像由图()所示方式获得,并由人工识别的方
12、式制作了共 种标签从数据集中任意选取 个数字图像构成训练集,剩余 个图像则作为测试集在对每个数字做计算训练时,神经网络会进行次正向和反向传播,完成训练集中全部 个数字的训练为轮图展示了种不同传播学习率的损失函数和识别正确率结果训练效果可由损失函数随轮数的变化曲线体现,每轮结束后都计算测试集的识别正确率并作出数据曲线当学习率较大时可能出现损失函数不收敛的情况,而当学习率较小则需要更多训练轮数从曲线可看出:时,在 轮,损失函数值不断下降,识别正确率不断上升,在 轮左右,损失函数值低于,识别正确率也趋近 因此,实验中一般选择训练 轮次后保存所有权重和偏差的结果()损失函数随轮数的变化曲线()识别正确
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 卷积 神经网络 数据 采集 方法 拓宽 真空 教学 实验 彭博
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。