一种基于卷积神经网络的光学微纳结构优化方法

技术特征：
1.一种基于卷积神经网络的光学微纳结构优化方法，其特征在于，包括以下步骤：步骤1、获取仿真数据集，构建基于卷积神经网络的预测光谱网络，采用所述仿真数据集对所述预测光谱网络进行训练，得到训练好的预测光谱网络；步骤2、结合所述训练好的预测光谱网络，利用遗传算法寻找得到最优光学结构。2.根据权利要求1所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，还包括：步骤3、通过数值仿真模拟对所述最优光学结构的光学属性进行验证。3.根据权利要求1所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述步骤1中，所述获取仿真数据集包括以下子步骤：通过时域有限差分方法进行数值仿真模拟，批量仿真多组具有不同光学结构参数的光学微纳结构，并得到每一组光学微纳结构对应的光谱数据；每组初始数据组包括光学结构参数及其对应的光谱数据；针对每组初始数据组，将光学结构参数转换成其对应的光学结构图像，并对光学结构图像依次进行灰度化、归一化的预处理，将预处理后的光学结构图像及其对应的光谱数据作为仿真数据集中的一组数据组。4.根据权利要求3所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，利用python中的matplotlib库将光学结构参数转换成其对应的光学结构图像。5.根据权利要求1所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述步骤1中，所述预测光谱网络的输入为预处理后的光学结构图像，所述预测光谱网络的输出为光学结构图像对应的预测光谱；所述预测光谱网络包括交替连接的四个卷积层和四个最大池化层、三个连续的全连接层；四个卷积层的卷积核个数分别为16、32、64、64，对应的卷积核大小分别为(5，5)、(3，3)、(3，3)、(3，3)，四个卷积层使用的步长均为(1，1)，零填充均采用same模式，激活函数均为relu函数；四个最大池化层的池化窗口均为(3，3)，步长均为(2，2)；三个全连接层的神经元个数分别为500、500、250，三个全连接层的激活函数均为relu函数。6.根据权利要求1所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述步骤2包括以下子步骤：步骤2.1、在给定参数范围内，对待优化的光学结构参数进行二进制编码得到若干个不同的基因型编码；步骤2.2、随机初始化一个种群，种群中的每个个体对应一个基因型编码；步骤2.3、对种群中的每个个体进行解码得到每个个体对应的光学结构参数，将光学结构参数转换为光学结构图像，对光学结构图像依次进行灰度化、归一化的预处理；步骤2.4、针对每个个体，将预处理后的光学结构图像输入至所述训练好的预测光谱模型，所述训练好的预测光谱模型输出预测光谱，基于预测光谱计算得到目标函数，根据目标函数得到适应度函数值；步骤2.5、基于适应度函数值，依据随机竞争的选择方式选择个体作为父代；步骤2.6、父代的基因型编码依据交叉规则进行交叉操作，产生子代；步骤2.7、子代依据变异规则进行变异操作；步骤2.8、判断子代的目标函数是否达到终止条件，所述终止条件为子代的目标函数符合设定的需求或达到设定的迭代次数；若是，则返回当前种群中的最优解作为所述最优光
学结构；若否，则开始新一轮的迭代。7.根据权利要求6所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述步骤2.1中，待优化的光学结构参数共m个，每个光学结构参数的编码长度为n位，通过交错每个光学结构参数的编码组合形成基因型编码，所述基因型编码为m*n位。8.根据权利要求6所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述步骤2.5的具体实现方式为：每次选择父代时，按照轮盘赌的方式选择一对个体，将两者中适应度函数值较高的个体选为父代；按照上述方式选择父代直到选满种群个数为止。9.根据权利要求6所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述交叉规则为：根据交叉概率，在父代中随机选择两个个体进行交叉，在其基因型编码内选择两个交叉点，在两个交叉点之间的父代编码进行交换，在交叉点之外的编码保留；所述变异规则为：根据变异概率，对子代进行变异，在其基因型编码内随意选择一个变异点，将其进行二进制反转。10.根据权利要求6所述的基于卷积神经网络的光学微纳结构优化方法，其特征在于，所述光谱为透射光谱、反射光谱、吸收光谱、散射光谱中的一种；所述目标函数为偏振转换效率、特征光谱的半高全宽、品质因素、调制深度、灵敏度、工作波长中的一种。

技术总结
本发明属于光学结构设计技术领域，公开了一种基于卷积神经网络的光学微纳结构优化方法，本发明首先获取仿真数据集，构建基于卷积神经网络的预测光谱网络，采用仿真数据集对预测光谱网络进行训练得到训练好的预测光谱网络；然后结合训练好的预测光谱网络，利用遗传算法寻找得到最优光学结构。本发明能够解决传统的光学微纳结构设计方法存在的仿真时间长、需要人工干预、容易陷入局部最优的问题，本发明能够高效地寻得最优光学结构。明能够高效地寻得最优光学结构。明能够高效地寻得最优光学结构。


技术研发人员：王原丽 富小鸥 杜庆国
受保护的技术使用者：武汉理工大学
技术研发日：2022.04.24
技术公布日：2022/6/24