ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2018, № 10 · МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ЗАДАЧАХ РАДИОЭЛЕКТРОНИКИ

Способ распознавания формы объектов доменных структур магнитооптических материалов на базе нейронных сетей прямого распространения

А.В. Брагин1, М.В. Герасимов1, Р.Р. Навлётов1, Д.В. Пьянзин1

1 ФГБОУ ВО "МГУ им. Н. П. Огарёва", 430005, Республика Мордовия, г. Саранск, ул. Большевистская, д. 68, Россия
Полный текст (PDF) DOI: 10.30898/1684-1719.2018.10.4 УДК 004.93'1 EDN YOKZZJ

Аннотация

В статье предложен способ распознавания и классификации изображений объектов в лабиринтных доменных структурах магнитооптических материалов на базе нейронных сетей. Особенность структур заключается в существовании большого разнообразия форм, обусловленного эволюцией лабиринтной доменной структуры в разнообразные объекты. Составлена классификация различных форм доменных структур, основанная на практических результатах авторов и научных публикациях. Рассмотрены особенности классификации доменов, которые существенно влияют на выбор методов и алгоритмов решения поставленной задачи. Классификация выполняется на основе анализа шести коэффициентов формы объектов двумя двухслойными нейронными сетями прямого распространения. Приведены структуры данных нейронных сетей, а также результаты их обучения. Способ позволяет распознавать девять различных форм доменов, начиная от простых геометрических фигур и заканчивая сложными объектами, имеющими ветвистую структуру. Предложенный способ может быть использован для анализа изображений объектов, схожих по форме с доменными структурами, которые можно встретить в различных сферах, связанных с электроникой, физикой, химией, биологией, медициной и др. Приведен пример работы алгоритма на изображении пленки феррита-граната. В настоящее время на базе предложенного способа разработано программное обеспечение, которое применяется на кафедре радиотехники ФГБОУ ВО «МГУ им. Н. П. Огарева» (г. Саранск) для исследования магнитооптических и полупроводниковых материалов.

  • neural network
  • object recognition
  • classification
  • domains
  • magneto-optical materials
  • нейронная сеть
  • распознавание объектов
  • классификация
  • домены
  • магнитооптические материалы
Abstract (in English)

The article proposes a method for recognizing objects in the labyrinth domain structures of magneto-optical materials and classification using a neural network. Domain structure objects come in a variety of forms. The authors have compiled a classification of types of domain structures on the basis of practical results and a literature review. The features of domain classification that significantly affect the choice of methods and algorithms for solving problems are considered. The classification is based on the analysis of six coefficients of object shape by two neural networks. The structures of neural networks and learning results are presented. This method allows recogning nine types of domains with simple and complex shapes and can be used for analyzing images of objects in electronics, physics, chemistry, biology, medicine similar in form with domains. An example of object image recognition in magneto-optical materials is presented. This method of recognition is implemented in the software. The developed software is used at the Department of radio engineering of the Moscow state University. N. P. Ogareva", for the study of magneto-optical and semiconductor materials.

Для цитирования

Брагин А.В., Герасимов М.В., Навлётов Р.Р., Пьянзин Д.В. Способ распознавания формы объектов доменных структур магнитооптических материалов на базе нейронных сетей прямого распространения // Журнал радиоэлектроники. – 2018. – № 10. https://doi.org/10.30898/1684-1719.2018.10.4

Литература

  1. Zvezdin A.K. Modern magneto-optics and magneto-optical materials/A.K. Zvezdin, V.A. Kotov. -Bristol and Phyladelphia: IOP Publishing, 1997. -386 p.
  2. Летюк, Л.М. Технология материалов магнитоэлектроники/Л.М. Летюк, В.Г. Костишин, А.В. Гончар. -М.: МИСИС, 2005. -352 с.
  3. Брагин А.В., Логунов М. В., Пьянзин Д. В., Навлетов Р. Р., Ильин С. В. Распознавание изображений микрообъектов на базе нейронной сети прямого распространения//Третья Всероссийская научно-техническая конференция молодых конструкторов и инженеров «Минцевские чтения», Москва, Издательство МГТУ им. Н. Э. Баумана, 2016, с. 140-148.
  4. Барыбин А. А. Физико-технологические основы макро-, микро-и наноэлектроники. Барыбин А. А., Томилин В.И., Шаповалов В.И. -М: ФИЗМАТЛИТ, 2011. -784 с.
  5. Logunov M., Neverov V., Mamin B., Skvortsov D., Sidorov R. Study of Nanoscale Inhomogeneities in Silicon Carbide Crystals via Small-Angle X-Ray Scattering//Materials Science Forum, 2016, -V. 858. -P. 349-352. DOI: 10.4028/www.scientific.net/MSF.858.349.
  6. Логунов М.В., Герасимов М.В. Формирование и эволюция гигантских динамических доменов в гармоническом магнитном поле//Физика твердого тела, 2003г., том 45, вып. 6, с. 1031.
  7. Агашков А.В. Резонансная доменная фоторефрактивность в структуре жидкий кристалл-фотопроводящий ориентирующий слой//Журнал технической физики, 2010, том 80, вып. 7.
  8. Мальцев В.Н., Кандаурова Г.С., Картагулов Л.Н. Динамическая устойчивость спиральных домена в переменном магнитном поле//Физика твердого тела, 2003, том 45, вып.4.
  9. Кандаурова Г.С. Новые явления в низкочастотной динамике коллектива магнитных доменов//Успехи физических наук, 2002 г., том 172, №10.
  10. Брагин А. В., Пьянзин Д. В. Выбор информативный признаков для распознавания изображений объектов лабиринтных доменных структуры//Вестник РГРТУ, 2014 г., № 1, с. 21-25.
  11. Брагин А.В., Герасимов М.В., Логунов М.В., Пьянзин Д.В., Навлетов Н.Р., Спирин А.В Программное обеспечение автоматизированной магнитооптической установки для формирования, регистрации и обработки изображений упорядоченных доменных структур//Прикладная информатика, 2016 г., Том 11. №6 (66). с. 129-136.
  12. Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. -М.: Издательский дом "Вильямс", 2006, -1104 с.: ил. -Парал. тит. англ.
  13. Р. Гонсалес, Р. Вудс Цифровая обработка изображений. Москва: Техно-сфера, 2005. -1072 с.
  14. Брагин А. В. Логунов М. В., Никитов С. А., Пьянзин Д. В., Трифонов А. А. Распознавание объектов в лабиринтных доменных структурах//Компьютерная оптика. 2013 г., том 37, № 2, с. 263-268. DOI: 10.18287/0134-2452-2013-37-2-263-268.
  15. Брагин А.В., Логунов М.В., Пьянзин Д.В. Алгоритм распознавания объектов в лабиринтных структурах//Труды РТИ им. Академика А.Л. Минца, вып. 4 (48), 2012 г., с. 46-53.