基于全连接神经网络的自然光谱复现方法研究

摘要：

为了能够精准和快速地复现可见光波段自然光谱,实现全光谱照明,使用具有强大非线性拟合能力的神经网络完成光谱匹配.首先,利用全连接神经网络的自学习能力,在采用基于修正高斯分布拟合函数的多个单色LED合成光谱模型生成训练和测试数据集的基础上,构建充分体现合成光谱和各单色LED光强系数比例关系的神经网络模型,即该模型能够针对输入光谱得到对应的单色LED光强比例系数,进而实现光谱复现.其次,针对标准太阳光谱和实测得到的不同时刻、天气的自然光谱进行光谱复现,并与采用基于遗传算法的光谱复现方法得到的结果进行对比.结果表明,基于全连接神经网络的自然光谱复现方法能够以小于5％的误差实现标准太阳光谱和实测太阳光谱的匹配,证明可使用同一个训练模型在不改变单色LED数量和种类的条件下得到多种与目标光谱高度吻合的不同类型光谱.对比其他光谱匹配算法,所提方法的拟合速度提高了数倍,还具有稳定性高、调控灵活、操作简便等优势.

关键词：光谱学、自然光谱、LED、神经网络、光谱复现

所属期刊栏目：43

分类号：O433(光学)

资助基金：广东省基础与应用基础研究基金;佛山市人民政府科技创新专项

在线出版日期：2023-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：269-277