基于光电混合神经网络的单像素目标识别方法

本发明涉及人工智能与光学计算交叉技术领域，且公开了基于光电混合神经网络的单像素目标识别方法，包括以下步骤：S1.光学编码阶段：通过空间光调制器对目标场景进行动态结构化照明，单像素探测器接收调制后的光信号并输出时序电压信号，完成光学端特征压缩编码；S2.光电混合计算阶段：将时序电压信号输入光电混合神经网络；S3.动态反馈阶段。该基于光电混合神经网络的单像素目标识别方法，在CIFAR‑10数据集测试中，闭环反馈机制使系统在单像素采样条件下达到85.3％识别准确率，比传统压缩感知方法(如单像素+支持向量机)提升32％；光学计算层的可微分调节使网络可端到端训练，支持在线学习新目标类别(实测增量学习准确率衰减＜5％)。