光电检测技术201001197孟祥帅.doc

理学院 School of Sciences 课程论文 课程名称 光电检测技术 课程编码 011865 开课学期 六 论文题目 人工神经网络技术在光电检测中的应用 学号 201001197 姓 名 孟祥帅 班级 物理101班 指导教师 陈立波 人工神经网络技术在光电检测中的应用 【摘要】 光电检测技术是获取信息的一种重要方法,高精度的智能光电检测技术,是国内外研究的热点之一。精度是光电检测系统最重要的性能之一,其中,影响光电检测系统精度的一个重要因素就是检测系统的非线性误差。由于半导体工艺及其材料固有的特点,光电检测器件对工作环境温度的变化都很敏感,导致了光电检测系统在工作环境温度不断变化的场合应用时,会产生很大的非线性误差。因此,提高光电检测系统的检测精度,首要问题就是克服系统的非线性误差。传统的非线性误差修正和补偿方法有硬件补偿法、查表法、曲线拟合等方法,这些方法较为复杂,需要样本多,精度低。以人的大脑神经网络为基础的人工神经网络技术,有表示任意非线性关系和自学习等能力,这为解决一些非线性问题提供了新的思想和方法。首先分析了影响光电检测系统检测精度的主要因素,分析研究了目前在光电检测系统中用于实现系统非线性误差补偿的方法,论证了人工神经网络技术在光电检测中应用的可行性,将BP和RBF人工神经网络技术应用于基于光电二极管的光照度检测实验中,并针对BP神经网络存在容易陷入局部极小点、训练速度慢、泛化能力差等缺陷,应用遗传算法的非线性寻优能力,对BP神经网络进行了优化,实现了在光照度检测系统中由于温度变化产生的非线性误差的有效补偿。最后将所设计的人工神经网络应用于基于光电池的光照度检测实验中。仿真结果表明,人工神经网络技术在光电检测中的应用是高效可行的。人工神经网络不仅被广泛用于人工智能、自动控制、机械人、统计学等领域的信息处理中 ,还越来越多地被应用于光电检测 .综述了人工神经网络技术在光电检测中的最新应用进展 ,重点讨论了人工神经网络技术在谷物蛋白质含量近红外在线监测、结构光三维视觉检测、焊缝缺陷射线实时成像识别、表面粗糙度及球半径精密测量应用中的优点和局限性 ,以期进一步推动本领域的研究和发展【关键词】 光电检测技术； 非线性误差； BP神经网络； RBF神经网络； 【文内图片】 表1 应用人工神经网络系统后光照度检测输出结果