概括
一个新的机器人系统改进了近场光学测量测量,减少了错误和时间. 人工神经网络进一步提高了预测光源光度数据的效率.
科学领域:
- 摄影测量是一种光学测量.
- 光学工程是指光学工程.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 近距离光学测量对光学数据至关重要,但耗时且容易出现错误.
- 现有的方法在捕捉复杂的光分布时,在效率和准确性方面扎.
研究的目的:
- 开发一种智能机器人系统,用于高效,准确的近场光学测量.
- 研究用于光度重建,远场反转和使用人工神经网络进行预测的算法.
主要方法:
- 开发一个智能机器人近场光影测量系统.
- 实验测量平面光源在各种空间角度的发光分布.
- 应用近场光度重建,远场反转算法和反向传播的人工神经网络 (BP-ANN).
主要成果:
- 机器人系统实现了对空间光度信息的精确获取.
- 使用开发的系统,远场光强度逆转误差平均为2.6%.
- 该BP-ANN模型预测了空间光度分布,平均误差小于2.3%.
结论:
- 智能机器人近场光度测量系统显著提高了数据采集精度.
- 基于BP-ANN的预测方法大大提高了实验效率,并减少了光度分析中的错误.
