作者:谭中伟,杨婧雅,刘艳,卢顺,张利伟,牛慧 单位:中国科学院长春光机所;中国仪器仪表学会 出版:《光学精密工程》2020年第07期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFGXJM2020070050 DOC编号:DOCGXJM2020070059 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 为了提高光纤弯曲传感器的灵敏度,增大线性范围,降低成本,本文提出一种基于深度神经网络分类塑料光纤弯曲角度及方向的方法。使用进行侧抛增敏处理的塑料光纤,在光纤输出端采集不同弯曲角度的散斑图。制作了包含五类弯曲角度的数据集一以及包含七类弯曲角度的数据集二,在预处理图像数据之后,利用多层卷积神经网络对散斑图像进行卷积和池化处理,得到散斑图像的特征图,softmax分类器用来得到分类准确率,最后对两种不同卷积神经网络模型的分类效果进行对比。结果显示:数据集一光纤弯曲的角度间隔为5°时分类准确率达到了96%,理论和实际分析结果表明该方案识别率较高,基于该方法有望实现一种简单、高效的光纤弯曲传感器。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。