基于超声波传感器的混合神经网络对象分类

《IEEE Sensors Letters》：Object Classification by Ultrasonic-based Sensor using Hybrid Neural Network

　　

摘要：

在使用低成本超声波传感器进行物体识别时，当相机不实用时这种方法非常具有吸引力。然而，标准的飞行时间测量方法会忽略接收到的回波中的丰富形态信息。本研究的目标是在受控条件下提取信号的模拟包络，以便用于训练一个混合神经网络（CNN1D+MLP）以实现物体分类。该系统通过将HC-SR04超声波传感器连接到ESP32 WiFi模块上来捕获模拟包络而构建。总共采集了700个超声波信号样本，这些样本涉及7种物体类别，包括立方体和国际象棋棋子。传感器被放置在距离参考表面30厘米的位置，而物体则放置在传感器与参考表面之间。数据集采用分层保留法进行分割（80%用于训练，20%用于验证）。在训练过程中还使用了数据增强技术来改进数据集。混淆矩阵的结果显示，验证准确率为97.1%，这得益于同时利用了信号的形态特征和统计数据。研究结果表明，在所评估的受控条件下，结合超声波特征和混合神经网络的解决方案能够实现可靠的物体分类，且该系统采用的是嵌入式系统。