Modell zur Vorhersage von Prozessparametern eines Laserprozesses auf Basis von RGB-Farbwerten

Die Ausgabeschicht hat eine sigmoide Aktivierungsfunktion. Für das Training wird ein Adam-Optimierer verwendet, der den mittleren quadratischen Fehler der Vorhersage gegenüber der erwarteten Ausgabe minimiert und so die Gewichte des Netzes bestimmt.

Eingänge zw. 0 und 1: b: Blau im RGB-Farbraum g: Grün im RGB-Farbraum r: Blau im RGB-Farbraum Ausgänge zw. 0 und 1: hatch_um: Der Hatch-Abstand zwischen Scanlinien in µm power_mw: Die Laserleistung in mW pulse_us: Die Pulsrate in µs speed_um_s: Die Scangeschwindigkeit in µm/s Skaliert wie folgt: r, b, g: von 0 bis 255 [-] hatch_um: von 1 bis 100 in [µs] power_mw: von 1000 bis 20000 in [mW] pulse_us: von 2 bis 10 in [µs] speed_um_s: von 41666 bis 3333333 in [µm/s] Das Modell kann mit dem folgenden Python-Code ausgeführt werden: from keras.models import load_model def scale_value(x, new_min, new_max): scaled_value = (x