【技术实现步骤摘要】
本专利技术涉及光学设计，尤其涉及一种光学器件及其配置方法、图像分类方法。
技术介绍
1、光学器件应用广泛，它利用光学原理和材料特性实现对光波的调制、反射、透光和分光等操作。常见的光学器件包括超表面透镜等。在对超表面透镜的使用过程中，通过对超表面基元的形状、尺寸和排布方式进行设计可以灵活实现对入射光的强度和相位分布进行更为有效的编码和光场调控，带来全新的物理现象和应用场景，使得软硬件一体化编程成为可能。
2、目前，传统的光学介质透镜是基于自然材料和传统的折射定律，以及基于曲面面型实现光波波前的调制，存在着功能单一、体积和重量大以及工艺误差大、精度低、操作不便等问题。利用超表面对光学特征信号的调控能力，增强光学系统的表达能力，而基于超表面的光神经网络硬件部分难以表达复杂的机制，比如残差连接、注意力机制等，再加上超表面自身工艺和成本的限制，使得超表面的非线性特征很难得以应用，使得生产出的产品工艺误差大、精度低。
技术实现思路
1、本专利技术的目的之一在于提供一种光学器件配置方法，以解决现有技术中产品表达能力弱、工艺误差大、精度低的技术问题。
2、本专利技术的目的之一在于提供一种图像分类方法。
3、本专利技术的目的之一在于提供一种光学器件。
4、为了实现上述专利技术目的之一，本专利技术提供一种光学器件配置方法，包括：基于光神经网络，调整光学器件上基元的光学特征，确定第一配置参数；基于电子神经网络，调整搭载有所述第一配置参数的光学器件的电学特征
5、作为本专利技术一实施方式的进一步改进，所述光学器件为超表面透镜。
6、作为本专利技术一实施方式的进一步改进，所述光学器件上基元受光后形成所述光学神经网络；所述第一配置参数包括所述光学器件上基元的振幅和相位至少其中之一。
7、作为本专利技术一实施方式的进一步改进，所述光学器件完成光电转换后形成所述电子神经网络；所述第二配置参数包括所述电子神经网络的权重参数和偏置参数至少其中之一。
8、作为本专利技术一实施方式的进一步改进，在所述“基于光神经网络，调整光学器件上基元的光学特征，确定第一配置参数”之前，所述方法还包括：构建优化教师模型，采用蒸馏方法构建对应于所述优化教师模型的学生模型，其中，所述学生模型包括所述光神经网络；所述“基于光神经网络，调整光学器件上基元的光学特征，确定第一配置参数”具体包括：基于所述学生模型，调整光学器件上基元的光学特征，确定第一配置参数。
9、作为本专利技术一实施方式的进一步改进，所述“构建优化教师模型”具体包括：
10、以预训练的卷积神经网络框架构建初始教师模型；其中，所述卷积神经网络框架包括vgg模型族和resnet模型族至少其中之一；获取分类样本打标数据，并将所述分类样本数据输入至所述初始教师模型进行训练，得到所述优化教师模型。
11、作为本专利技术一实施方式的进一步改进，所述“采用蒸馏方法构建对应于所述优化教师模型的学生模型”具体包括：获取第一样本数据，并将其输入至所述优化教师模型进行预测，得到第一预测结果；构建初始学生模型，并将所述第一样本数据和所述第一预测结果输入至所述初始学生模型进行训练，得到优化学生模型；获取第二样本数据，并将其输入至所述优化学生模型进行预测，得到第二预测结果；以所述第一预测结果和所述第二预测结果作为所述优化学生模型的输入进行蒸馏迭代，得到所述学生模型。
12、作为本专利技术一实施方式的进一步改进，所述学生模型还包括分类器；所述“基于所述学生模型，调整光学器件上基元的光学特征，确定第一配置参数”具体包括：将若干组样本数据送入所述学生模型的光学神经网络部分，计算得到分别对应于样本数据的若干组光学特征向量；将光学特征向量送入所述分类器遍历预测，根据预测结果与样本类别的差异，固定最优的学生模型参数；其中，所述样本类别与所述样本数据对应；调整所述第一配置参数，使其与所述学生模型参数中的光学神经网络参数相匹配。
13、作为本专利技术一实施方式的进一步改进，所述“基于电子神经网络，确定搭载有所述第一配置参数的光学器件的电学特征，确定第二配置参数”具体包括：构建初始电子神经网络；基于搭载有所述第一配置参数的光学器件拍摄得到第一组检测图像；根据所述第一组检测图像对所述初始电子神经网络进行训练，确定所述第二配置参数。
14、作为本专利技术一实施方式的进一步改进，所述“根据所述第一组检测图像对所述初始电子神经网络进行训练，确定所述第二配置参数”具体包括：获取对应于所述第一组检测图像的第一组标签信息；根据所述第一组检测图像和所述第一组标签信息，对所述初始电子神经网络进行end2end训练，固定并以电子神经网络参数作为所述第二配置参数。
15、作为本专利技术一实施方式的进一步改进，所述“根据所述第一配置参数和所述第二配置参数，配置光学器件”具体包括：提供第一光学器件；使所述第一光学器件受光，并调整所述第一光学器件上基元的光学特征，以使得到的第二光学器件所构成的光神经网络参数与所述第一配置参数相匹配；使所述第二光学器件完成光电转换后，并调整所述第二光学器件的电学特征，以使得到的第三光学器件所构成的电子神经网络参数与所述第二配置参数相匹配；输出所述第三光学器件或其配置参数。
16、作为本专利技术一实施方式的进一步改进，所述“根据所述第一配置参数和所述第二配置参数，配置光学器件”具体包括：生成包含有所述第一配置参数的gds文件；根据所述gds文件，配置光学器件。
17、为实现上述专利技术目的之一，本专利技术一实施方式提供一种图像分类方法，包括：执行上述任一项所述光学器件的配置方法得到第四光学器件，并构建光电混合模型；获取待测图像，并基于所述光电混合模型进行分类识别，得到最终分类结果。
18、作为本专利技术一实施方式的进一步改进，所述“根据所述光电混合模型对检测图像进行分类识别，得到分类结果”具体包括：获取若干帧待检测图像，将所述待检测图像输入至所述光电混合模型中进行分类识别，得到若干组分类结果；采用召回算法的投票机制，对所述若干组分类结果进行统计和排序，筛选出得分最高的分类结果作为所述待检测图像的最终分类结果。
19、为实现上述专利技术目的之一，本专利技术一实施方式提供一种光学器件，所述光学器件由上述任一项所述光学器件的配置方法进行配置；所述光学器件包括基底和微结构单元，所述微结构单元包含若干基元。
20、与现有技术相比，本专利技术采用一种光学器件配置方法，通过采用光神经网络和电子神经网络相结合的结构形式，对光学器件上基元的光学特征和电学特征进行优化与调整，最终得到第一配置参数和第二配置参数，并根据这两个参数配置光学器件。该方法在兼顾光神经网络计算速度快、能耗低的同时，又保留电子神经网络的鲁棒性高、迁移性强的优势；有利于降低工艺误差带来的噪声影响，提高计算和分类的精度和准确度，增强所述光学器件的表达能力，提高其工作效率。
本文档来自技高网...【技术保护点】
1.一种光学器件配置方法，其特征在于，包括：
2.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件为超表面透镜。
3.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件上基元受光后形成所述光学神经网络；所述第一配置参数包括所述光学器件上基元的振幅和相位至少其中之一。
4.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件完成光电转换后形成所述电子神经网络；所述第二配置参数包括所述电子神经网络的权重参数和偏置参数至少其中之一。
5.根据权利要求1所述的光学器件配置方法，其特征在于，在所述“基于光神经网络，调整光学器件上基元的光学特征，确定第一配置参数”之前，所述方法还包括：
6.根据权利要求5所述的光学器件配置方法，其特征在于，所述“构建优化教师模型”具体包括：
7.根据权利要求5所述的光学器件配置方法，其特征在于，所述“采用蒸馏方法构建对应于所述优化教师模型的学生模型”具体包括：
8.根据权利要求5所述的光学器件配置方法，其特征在于，所述学生模型还包括分类器；
9.根据权利要求1所述的光学器件配置方法，其特征在于，所述“基于电子神经网络，确定搭载有所述第一配置参数的光学器件的电学特征，确定第二配置参数”具体包括：
10.根据权利要求9所述的光学器件配置方法，其特征在于，所述“根据所述第一组检测图像对所述初始电子神经网络进行训练，确定所述第二配置参数”具体包括：
11.根据权利要求1所述的光学器件配置方法，其特征在于，所述“根据所述第一配置参数和所述第二配置参数，配置光学器件”具体包括：
12.根据权利要求1所述的光学器件配置方法，其特征在于，所述“根据所述第一配置参数和所述第二配置参数，配置光学器件”具体包括：
13.一种图像分类方法，其特征在于，包括：
14.根据权利要求13所述的图像分类方法，其特征在于，所述“根据所述光电混合模型对检测图像进行分类识别，得到分类结果”具体包括：
15.一种光学器件，其特征在于，所述光学器件由权利要求1至12任一项所述的光学器件配置方法进行配置；所述光学器件包括基底和微结构单元，所述微结构单元包含若干基元。
...【技术特征摘要】
1.一种光学器件配置方法，其特征在于，包括：
2.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件为超表面透镜。
3.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件上基元受光后形成所述光学神经网络；所述第一配置参数包括所述光学器件上基元的振幅和相位至少其中之一。
4.根据权利要求1所述的光学器件配置方法，其特征在于，所述光学器件完成光电转换后形成所述电子神经网络；所述第二配置参数包括所述电子神经网络的权重参数和偏置参数至少其中之一。
5.根据权利要求1所述的光学器件配置方法，其特征在于，在所述“基于光神经网络，调整光学器件上基元的光学特征，确定第一配置参数”之前，所述方法还包括：
6.根据权利要求5所述的光学器件配置方法，其特征在于，所述“构建优化教师模型”具体包括：
7.根据权利要求5所述的光学器件配置方法，其特征在于，所述“采用蒸馏方法构建对应于所述优化教师模型的学生模型”具体包括：
8.根据权利要求5所述的光学器件配置方法，其特征在于，所述学生模型还包括分类器；所述“基于所述学生模型，调整光学器件...
【专利技术属性】
技术研发人员：宋凯，孙磊，
申请(专利权)人：苏州山河光电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。