基于SSA-GRNN的非接触式目标表面红外激光物性反演方法

作     者：李荣华 周心晨 翁传欣 薛豪鹏 吴锦龙 林宸宇 

作者机构：大连交通大学机械工程学院 大连市先进机器人感知与控制技术创新中心 北京环境特性研究所 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2024年第10期

页      面：171-182页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：大连市高层次人才创新支持计划项目(2022RJ03)~~ 

主　　题：红外激光 回波强度 SSA-GRNN神经网络 物性反演 

摘      要：在目标物性反演时，接触式测量方法在复杂环境下进行存在困难，而非接触式测量方法，由于测量数据相比接触式测量存在一定的误差，导致反演准确率受到影响。针对以上问题，提出了一种基于红外激光回波的非接触式目标表面物性反演方法。首先，测量不同目标表面的激光回波强度信息，采用麻雀搜索算法，优化并训练广义回归神经网络，建立红外激光回波强度预测模型；其次，分析测量距离、测量角度对激光回波强度的影响，建立材料表面激光回波强度数据库；最后，采集未知目标在四种距离下的表面激光回波强度信息，赋予材料种类编号，输入到回波强度预测模型中，计算预测值与实际值的相对误差，反演未知目标表面材料物性。实验结果表明：在反演目标相同的情况下，回波强度预测结果的均方根误差从传统网络的11.337降低到了优化后的2.482。优化后的神经网络模型的相对反演准确率可达88.89%以上，与传统方法相比，平均反演准确率提高了45.83%，文中所提方法具有较高的准确性和推广性，为武器系统非合作目标的探测、材料反演提供方法，提高了目标识别能力。