光电检测技术201001197孟祥帅.docxVIP

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 论文题日 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屮的最新应用进展，重点讨论了人工神经网络技术在谷物蛋口质 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； 人工神经网络貝有自适应功能、泛化功能、非 线性映射功陡和禺度并行处埋功雄?可实現函数 過近近映射)、数搦碳集?模式分类、优化 计算、概率密度函数估计等功能?因此■人工神经 网络已被广泛用于人工瞥能、自动控制、机械人. 统计学等领域的信，也处理中. 近年来，人工神经网络技术邊渐受到光电检 测领域的在某些方面得到了成功应用?其 主要途矗是通过样本学习和训练建丸反訣光学值 息特征鑫数与被测对象之何关系的神经网络模型 结构,从而实现被测对欽的光电检测. 本文首先对人工神经网络技术作一简耍介 绍?重点讨论人工神经网络技术在谷物儀白质含 僦近红外在线监测、结构光J维视觉检测府缝缺 陷射线实时成像识别、表面粗糙度及球半径精密 测就中的应用?这些应用实例既有作者近期完成 的研究项目，乂有近几年国内外有关学者的研究 成杲. 动力系统.它迪以人大脑沾动的特性为出发点?通 过缶基本神经尤之树的联接与相互作用,对人腕 的思维过程进行模拟?即尽議使得人工神经网络 具有生物神经网络的某些功能特性?如学丹、识 渤、控制筹功能. 反向传播神经网络,简称BP(Back Prepay* 曲)澳用?是神经网络的敢要模旳之一 ■在分类、 仗测、抜障诊斷和摻数检牌中具有广泛的应用?网 络不仅右输入层节点，输出层节点?耐且可以有一 便或多足隐层节点.对于输入信号?耍先向前传播 到I节点,经过作用函数后，再把节点的输出信 息传播到输出节点?最后输出节点通过输出函数 给出输出结果.这个算法的学习过稈,由正向传播 和反向传播组底?在正向传播过程中加入信号从 输入层经隐单尤层逐层处理?并传向输出层?每一 绘神经尤的状态只彬响下-层神经尤的状态?如 果输岀层不能得蚁期望的输出?则转入反向传播, 将误差信号沿竦*的连镂通路返冋?通过修改仟 层神经元的权值，使得溟邃信号最小?其过程可概 1人工神经网络 人工神经网络⑴血悬一个并行和分布式的 信息处理网络结构.该网络结构一般由许多个神 经元组成、每个神经元有一个单一的输出?它可以 连接到很多其它的神经元,其输入有多个连接通 路?每个连接通踣对应一个连接权系数.因此?人 丁神经网络是一个由许多处理竹点组成的非线性 层种绘兀旳权01,便得员走隔号最小?具过桂刊碾 括如2 将网络初始化?即曲机设迓各层神经元的 权值. 给定网堀的输人向fit和目标输出. il算网络隐层、犠出层齐单元的输岀? 计算目标值与实际愉出的備差. 涮整各层神经元的权值? 转至