[发明专利]基于迁移学习的多模微环谐振腔温度传感处理方法及装置

说明书

本发明公开了一种基于迁移学习的多模微环谐振腔温度传感处理方法及装置，其包括如下步骤：S1：采集多模微环谐振腔温度传感器多个模式下对应的多个采样点的光谱数据和温度数据；S2：选取多个模式的谐振波长作为BP神经网络的输入，温度作为标签值，对BP神经网络进行训练，对多个模式下的温度进行预测；S3：对于传感数据采用迁移学习模型来进行迁移学习，并获得新的模型；S4：将传感数据输入新的模型获得温度预测结果。本发明引入迁移学习的思想，充分利用已获取的数据，实现温度测量，解决传感数据获取困难，数据量少的问题。

技术领域

本发明属于光学传感器技术领域，具体涉及光学微谐振腔。

背景技术

光学微谐振腔，是一种能够将光场束缚在一个很小的空间内的光学系统。近年来基于回音壁模式(WGM)的光学微腔已引起了广泛的研究。WGM形成于光学环形谐振器中，由于多个内部整体反射，光沿着谐振器的外围被引导，从而使得返回波开始干扰自身。WGM的场主要位于微腔内，并部分通过倏逝场渗透到外部环境中。检测外部参数变化的机制是基于对WGM光谱共振频率偏移、线宽展宽和模式分裂等变化的监测。WGM传感器已被广泛用于各种基于场的传感应用，包括电场、磁场、压力和温度等]。由于微腔具有极高的灵敏度与高品质因子，在传感方面具有巨大的优势。

相比较于传统的单模传感测量方法，通过机器学习等传感信息处理方法进行融合基于回音壁微腔的多模传感信息，不仅提升了传感的探测极限，而且在混合成分识别等领域的多参量传感中得到广泛的应用。然后，WGM微谐振器传感器仍面临许多挑战和潜在的发展方向，例如，对于WGM传感器获取的数据获取困难，数据量少等问题。

发明内容

本发明所要解决的技术问题就是提供一种基于迁移学习的多模微环谐振腔温度传感处理方法，解决传感数据获取困难，数据量少的问题。

为解决上述技术问题，本发明采用如下技术方案：

基于迁移学习的多模微环谐振腔温度传感处理方法，包括如下步骤：

S1：采集多模微环谐振腔温度传感器多个模式下对应的多个采样点的光谱数据和温度数据；

S2：选取多个模式的谐振波长作为BP神经网络的输入，温度作为标签值，对BP神经网络进行训练，对多个模式下的温度进行预测；

S3：对于传感数据采用迁移学习模型来进行迁移学习，并获得新的模型；

S4：将传感数据输入新的模型获得温度预测结果。

优选的，BP神经网络模型包括输入层、隐藏层和输出层，其中输入层包含3个神经元个数，分别输入3个模式，输出层输出1个神经元，即输出温度。

优选的，所述BP神经网络模型每层的激活函数都是ReLu函数，学习率为0.02，迭代次数为800次，优化器选用Adam。

优选的，所述BP神经网络模型的隐藏层采用16个隐藏节点。

本发明还提供了一种基于迁移学习的多模微环谐振腔测温实验装置，用于获得多模微环谐振腔温度传感器多个模式下对应的多个采样点的光谱数据和温度数据，包括光谱数据采集组件、温度控制和采集组件，所述温度控制和采集组件包括热敏电阻，通过温度控制和采集组件控制环境温度变化并通过热敏电阻采集环境温度，所述光谱数据采集组件包括宽谱光源发生器、偏振控制器、微环谐振腔光芯片、光波耦合模块、光谱分析仪，由宽谱光源发生器提供稳定光源至偏振器，再通过偏振器调节腔模的偏振状态，随后光源进入微环谐振腔光芯片微腔，通过光波耦合模块的调整，实现光纤维与波导耦合状况的控制，光谱分析仪获取微环谐振腔光芯片微腔的传感数据并保存。

优选的，所述光谱数据采集组件还包括显微摄像头，通过显微摄像头观察微环谐振腔光芯片，监控光纤维与波导耦合状况。