[发明专利]一种不可见光瞄准方法

权利要求书

1.一种不可见光瞄准方法，其特征在于：该方法包括以下步骤：

步骤一、视觉传感器采集图像信息，通过无线方式传输至智能图像处理器和显示控制器；

步骤二、显示控制器向协作控制平台发送控制指令，协作控制平台控制视觉传感器运动，当视觉传感器识别到目标物时，将图像信息传输至智能图像处理器；

步骤三、智能图像处理器分析、识别图像信息并解算，定位目标物坐标，并转换为协作控制平台控制指令，智能图像处理器对获取到的图像采用BP神经网络进行图像识别，得到目标物坐标；

步骤三中将不可见光瞄准位置转化为屏幕坐标，通过屏幕坐标进行位置瞄准，不可见光瞄准位置与目标物作用点位置对应屏幕坐标，因此，将解算后的坐标信息作为神经网络的输入，屏幕坐标为网络输出，隐含层神经元数设置为10个，构建单隐含层屏幕坐标BP神经网络；

步骤四、协作控制平台按照控制指令，控制不可见光瞄准目标物。

2.根据权利要求1所述的一种不可见光瞄准方法，其特征在于：构建的BP神经网络模型对已有标注数据进行训练，其主要步骤如下：

(1)网络初始化，初始化各层神经元节点数，各层神经元之间的连接权值，隐含层和输出层阈值，给定学习速率和激励函数；

BP神经网络模型采用的激活函数是Sigmoid函数，如式(1)所示：

(2)隐含层输出计算；通过公式(2)计算隐含层输出H_j：

公式(2)中，l为隐含层节点数；f为隐含层激励函数；ω_ij为输入层与隐含层之间的权值；a_j为隐含层阈值，x_i为输入参数；

(3)输出层输出计算；通过公式(3)计算输出层输出O_k：

公式(3)中，H_j为输出层节点数；ω_jk为隐含层与输出层之间的权值；b_k为输出层阈值；

(4)误差计算；根据网络预测输出O_k和期望输出Y_k，计算神经网络误差：

公式(4)中，E为期望，Y_k为期望输出，O_k为实际输出；

(5)权值更新；根据神经网络误差，通过公式(5)和(6)更新权值；

ω_jk'＝ω_jk+ηH_je_k j＝1,2,…,l；k＝1,2,…,m (6)

公式(6)中，η为学习效率，ω_ij’和ω_jk’是新的连接权值，此时误差会反向传播并进行连接权值和阈值调整，直到满足精度要求；

(6)判断算法是否达到迭代次数或者达到预定误差，若没有结束，返回步骤(2)。