[发明专利]一种基于神经网络的色散共焦测量装置标定方法

说明书

本发明公开了一种基于神经网络的色散共焦测量装置标定方法，其利用色散共焦测量装置测量压电陶瓷的测量位置并处理得到新的归一化光谱响应信号的光强序列；将所有的新的归一化光谱响应信号的光强序列构成光强集合及对应的测量位置构成测量位置集合并随机划分为训练集和测试集；将所有训练集的光强序列经输入至神经网络，经神经网络的权重系数矩阵运算后得到与光强信号对应的预测位置值；计算所有训练集的光强序列预测位置值与实际测量值的误差E，依据误差E调整权重系数矩阵中的各权重系数，并验证所有测试集的光强序列预测位置值满足预设的条件时，权重系数矩阵的各权重系数即为色散共焦测量装置的标定值，从而提高色散共焦测量装置的标定值的准确性。

技术领域

本发明属于共焦测量领域，具体涉及利用一种基于神经网络的色散共焦测量装置标定方法。

背景技术

共焦显微测量技术主要用于消除普通显微镜在探测样品时的多重散射光，类似于共焦显微测量，色散共焦显微技术中点光源经过半透半反镜和色散透镜后在其后面的像面上聚焦成像，色散透镜可以使得不同入射光波聚焦在轴向不同位置。色散共焦显微技术常用于微纳表面结构测量、快速坐标测量、透明介质厚度测量和在线工艺检测等。

色散共焦测量装置为基于上述原理所制造出的一类光学测试装置。实际应用时需对其进行标定(校准)。此类测试装置在标定时，需采集大量处于测量范围内的位置数据与此位置所对应的光谱响应信号，经算法处理，方可建立两者间映射关系，其中，所涉及的算法称作标定算法或标定方法。

现有的标定方法主要利用峰值提取算法提取光谱响应信号峰值处所对应的波长值(以下简称峰值波长)，建立峰值波长与测量位置的映射关系。现有的标定方法如下：

1.利用线性关系描述峰值波长与被测位置间映射关系，然而，由于测试装置在设计、加工、装配等过程中具有误差，使得峰值波长与测量位置并不是线性化的映射关系，因此，传统线性关系标定方法难以构建其映射关系特性；

2.美国专利US7876456中公开了一种利用多项式的非线性关系标定峰值波长与测量位置的映射关系，然而，实际测量中噪声水平、信号水平以及光强非均匀性等因素会直接影响映射关系的准确性，并不能简单的利用多项式的非线性关系获得准确的映射关系；

3.采用分段线性关系标定峰值波长与测量位置的映射关系，然而，实际测量中噪声水平、信号水平以及光强非均匀性等因素会直接影响映射关系的准确性，同时提取峰值波长存在一定的误差同样也会影响映射关系的准确性。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于神经网络的色散共焦测量装置标定方法，利用神经网络将所有的新的归一化光谱响应信号的光强序列和其对应的测量位置划分为训练集和测试集，利用训练集调整色散共焦测量装置的标定值，进一步利用测试集测试标定值的准确性，从而提高色散共焦测量装置的标定值的准确性。

为实现上述目的，按照本发明的一个方面，提供了一种基于神经网络的色散共焦测量装置标定方法，具体步骤为：

S1.利用色散共焦测量装置测量压电陶瓷的测量位置得到不同位置所对应的光谱响应信号，对光谱响应信号的光强序列进行滤波处理得到新的归一化光谱响应信号的光强序列；

S2.将所有的新的归一化光谱响应信号的光强序列构成光强集合，所有的新的归一化光谱响应信号的光强序列对应的测量位置构成测量位置集合，将光强集合和测量位置集合中的数据随机划分为训练集和测试集；

S3.将训练集的光强序列经输入至神经网络，经神经网络的权重系数矩阵运算后得到与光强信号对应的预测位置值；