[發明專利]基于監督學習的自干涉微環諧振腔傳感分類識別方法在審
| 申請號: | 202010156324.X | 申請日: | 2020-03-09 |
| 公開(公告)號: | CN111721336A | 公開(公告)日: | 2020-09-29 |
| 發明(設計)人: | 盧瑾;胡東任;任宏亮;鄒長鈴;樂孜純 | 申請(專利權)人: | 浙江工業大學 |
| 主分類號: | G01D5/32 | 分類號: | G01D5/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 杭州斯可睿專利事務所有限公司 33241 | 代理人: | 王利強 |
| 地址: | 310014 浙江省*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 監督 學習 干涉 諧振腔 傳感 分類 識別 方法 | ||
1.一種基于監督學習的自干涉型微環諧振腔傳感分類識別方法,其特征在于,所述方法包括以下步驟:
(1)訓練數據采集,過程如下:
1-1首先,采取多組訓練數據用于人工神經網絡傳感數據檢測模型訓練,每組訓練數據由一定波長范圍內傳輸消光值以及與其對應的兩個預先已知的訓練標簽值構成,將其分別作為BP神經網絡的輸入和目標輸出值,對BP神經網絡進行訓練,以便神經網絡建立兩者之間的映射關系,當用可調激光激發探測系統時,用光電探測器和示波器采集出射頻譜,從中提取一定波長范圍的傳輸消光值,并將其與對應的兩個訓練標簽值作為一組訓練數據;通過改變待測目標物質,采集相應一定波長范圍內的傳輸消光值,可獲取多組訓練數據;
1-2采集足夠多組訓練數據后,將采集到的一定波長范圍內傳輸消光值以及與其對應預先已知的兩個訓練標簽值進行歸一化處理,將處理以后的數據集作為最終訓練數據集;
(2)BP神經網絡傳感數據檢測模型訓練,過程如下:
2-1將經過步驟1處理以后的一定波長范圍內傳輸消光值作為輸入數據,將經過步驟1處理以后的兩個訓練標簽值作為輸出數據;
2-2訓練BP神經網絡傳感數據檢測模型,建立并保存一定波長范圍內傳輸消光值與其對應的兩個訓練標簽值之間的映射關系;
(3)測試數據采集,過程如下:
3-1將整個探測系統放置在測量環境中,檢測三種不同情況下的兩個待測目標物質標簽值,用可調激光光源激發探測系統時,用光電探測器和示波器采集一定波長范圍內的傳輸消光值;
3-2將采集到的傳輸消光值進行歸一化處理,將其作為測試數據集;
(4)BP神經網絡傳感數據檢測模型測試:將在步驟3中取得的測試數據,即一定波長范圍內傳輸消光值,輸入到訓練完成的神經網絡中,輸出待測目標的兩個標簽值。
2.如權利要求1所述的基于監督學習的自干涉型微環諧振腔傳感分類識別方法,其特征在于,自干涉型微環諧振腔包括一根輸入波導、一個微環諧振腔、一根輸出波導和一根光探測臂波導,輸入波導和輸出波導分別與微環諧振腔耦合,置于微環諧振腔的兩側,輸入波導的一端為整個光傳感器的光源接入端,在輸入波導與微環諧振腔的耦合處,輸入波導的另一端與光探測臂波導的輸入端相連,在輸出波導與微環諧振腔的耦合處,光探測臂波導的輸出端與輸出波導的一端相連,輸出波導的另一端為傳感信號出射端。
3.如權利要求1或2所述的基于監督學習的自干涉型微環諧振腔傳感分類識別方法,其特征在于,將兩種探測目標物質敏感的材料分別涂敷在兩段微環波導或者兩段光探測臂波導的上表面,可調激光器輸出光從輸入波導的一端入射,與微環諧振腔發生耦合,則一部分耦合進入微環諧振腔另一部分從輸入波導的另一端出射并經過光探測臂進入輸出波導,這一部分光由于輸出波導與微諧振腔之間的耦合作用,再次耦合進入微諧振腔,而這部分中一部分光與微環諧振腔中耦合出的一部分光相干涉后從輸出波導另一端出射,由于兩種待測目標物質的改變,將改變相應兩種待測目標物質敏感材料的折射率,從而引起兩段微環波導或者兩段探測臂波導折射率的改變,進而引起其出射頻譜的變化;在自干涉微環諧振腔典型傳輸頻譜中,由于每種待測目標物質敏感材料與該待測目標物質的相互作用不同,微環波導或者探測臂波導折射率在各個波長處發生不同變化,進而不同共振波長處的傳輸消光發生不同的變化;因此,對該自干涉型微環諧振腔光傳感器,通過在一定波長范圍內提取有效傳感信息的變化,建立人工神經網絡傳感數據檢測模型實現識別分類。
4.如權利要求1或2所述的基于監督學習的自干涉型微環諧振腔傳感分類識別方法,其特征在于,人工神經網絡是監督學習的,在分類識別前需要對其進行訓練,如果需要識別和分類的是兩種物質以及他們的組合,則其訓練過程涉及的訓練數據分為三種情況:(1)當兩種物質都存在即為他們的組合時,訓練標簽分別記為1和1;(2)僅第一種物質存在時,訓練標簽分別記為1和0;(3)僅第二種物質存在時,訓練標簽分別記為0和1;以上每種情況下都用已知訓練標簽的有效傳感信息輸入進行訓練,三種情況都訓練之后保存訓練好的神經網絡;然后再對測試數據的有效傳感信進行測試,最終通過神經網絡輸出得到待測目標物質的識別分類結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江工業大學,未經浙江工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010156324.X/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:基于圖的假設計算
- 下一篇:發送密碼的信息處理裝置以及認證方法





