本发明涉及光学感知计算，尤其涉及一种基于多层光学神经网络的感前计算装置和方法。
背景技术：
1、在物联网时代，无数传感器被嵌入到诸如移动通信终端、智能穿戴设备、汽车和工业机器等各种设备中，视觉图像传感器作为智能社会的关键设备。然而随着应用的不断扩展，对于传感器的系统功耗、响应速度、安全性能等方面也提出了更高的要求，例如在自动驾驶、高速运动行为分析等高速动态场景下，通常需要毫秒级甚至微秒级的响应速度，而在传统的“感传算”链路中，成像、感知、处理三个过程相互分离，使得信息存在大量冗余，同时基于冯诺依曼架构的硬件中存在大量数据移动，系统功耗和速度受到限制。
2、综上，现有技术存在功耗高、速度慢的问题。
技术实现思路
1、本发明提供一种基于多层光学神经网络的感前计算装置和方法，用以解决现有技术中视觉图像处理功耗高、速度慢的缺陷，实现低功耗、高效率的视觉图像处理。
2、本发明提供一种基于多层光学神经网络的感前计算装置，包括：
3、感前光学神经网络模块、板级感光芯片和后端电神经网络模块；
4、所述感前光学神经网络模块包括第一光学掩模版、量子点薄膜层和第二光学掩模版；所述光学掩模版上设置有卷积核，用于作为卷积层以进行感前卷积计算；所述量子点薄膜层设置于所述第一光学掩模版和所述第二光学掩模版之间，用于作为非线性激活层以进行卷积层间的非线性激活；
5、所述板级感光芯片用于接收光学神经网络的感前计算结果；
6、所述后端电神经网络模块用于作为线性全连接层以根据所述感前计算结果完成目标分类任务，得到最终感知处理结果；所述第一光学掩模版、所述量子点薄膜层、所述第二光学掩模版和所述板级感光芯片按照预先设置的层间距离依次排列，所述板级感光芯片和所述后端电神经网络模块连接。
7、根据本发明提供的一种基于多层光学神经网络的感前计算装置，所述光学掩模版上的卷积核是根据所述目标分类任务的需求对镀镉膜后的玻璃基板进行加工得到的。
8、根据本发明提供的一种基于多层光学神经网络的感前计算装置，所述层间距离是根据三角形相似理论以及所述卷积核的特征尺寸，利用所述板级感光芯片、所述光学掩模版、所述量子点薄膜层、输入光源的间距与输入光源的尺寸的关系校正得到的；
9、其中，所述层间距离包括输入光源和所述第一光学掩模版之间的第一距离、所述第一光学掩模版和所述量子点薄膜层之间的第二距离、所述量子点薄膜层和所述第二光学掩模版之间的第三距离以及所述第二光学掩模版和所述板级感光芯片之间的第四距离。
10、根据本发明提供的一种基于多层光学神经网络的感前计算装置，所述量子点薄膜层为cdse量子点薄膜。
11、根据本发明提供的一种基于多层光学神经网络的感前计算装置，所述第一光学掩模版的卷积核的空间特征尺寸为120μm，所述第二光学掩模版的卷积核的空间特征尺寸为50um。
12、本发明还提供一种基于多层光学神经网络的感前计算方法，应用于如上述任一种所述的装置，包括如下步骤：
13、对所述基于多层光学神经网络的感前计算装置进行层间距离校正，并固定层间距离校正后的所述装置；
14、获取输入光源发出的入射光线，基于所述感前光学神经网络模块对所述入射光线进行感前计算，并基于板级感光芯片获取所述感前光学神经网络模块输出的感前计算结果；
15、基于后端电神经网络模块根据所述感前计算结果完成目标分类任务，得到最终感知处理结果。
16、根据本发明提供的一种基于多层光学神经网络的感前计算方法，对所述基于多层光学神经网络的感前计算装置进行层间距离校正，具体包括：
17、将所述第二光学掩模版与所述板级感光芯片尽量贴近；
18、固定所述基于多层光学神经网络的感前计算装置各个模块的位置；
19、打开多个输入点光源，基于所述输入点光源的入射光线，根据三角形相似理论计算得到所述输入点光源的间距；
20、根据所述输入点光源的像素尺寸以及两层卷积核的特征尺寸，利用所述板级感光芯片探测到的点扩散函数的像素尺寸与输入点光源的尺寸的关系计算得到层间距离；
21、根据所述层间距离调整所述基于多层光学神经网络的感前计算装置。
22、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多层光学神经网络的感前计算方法。
23、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多层光学神经网络的感前计算方法。
24、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于多层光学神经网络的感前计算方法。
25、本发明提供的基于多层光学神经网络的感前计算装置和方法，包括感前光学神经网络模块、板级感光芯片和后端电神经网络模块；所述感前光学神经网络模块包括第一光学掩模版、量子点薄膜层和第二光学掩模版；所述光学掩模版上设置有卷积核，用于作为卷积层以进行感前卷积计算；所述量子点薄膜层设置于所述第一光学掩模版和所述第二光学掩模版之间，用于作为非线性激活层以进行卷积层间的非线性激活；所述板级感光芯片用于接收光学神经网络的感前计算结果；所述后端电神经网络模块用于作为线性全连接层以根据所述感前计算结果完成目标分类任务，得到最终感知处理结果；所述第一光学掩模版、所述量子点薄膜层、所述第二光学掩模版和所述板级感光芯片按照预先设置的层间距离依次排列，所述板级感光芯片和所述后端电神经网络模块连接。本发明基于两层掩模版和一层量子点薄膜搭建多层光学神经网络，通过光学掩模版对入射光的振幅进行调制，在空间中完成卷积计算，降低光学计算的系统复杂度；同时，通过量子点薄膜层在层间加入光学非线性，可以增加光神经网络的拟合能力，以进一步丰富感前的计算功能，感前计算的处理结果通过在板级感光芯片获得，并通过后端电神经网络模块进行神经网络后续层的处理。本发明将原本在电上进行的计算转移到光上进行，降低系统功耗和时延，实现低功耗、高效率的视觉图像处理。
1.一种基于多层光学神经网络的感前计算装置，其特征在于，包括：
2.根据权利要求1所述的基于多层光学神经网络的感前计算装置，其特征在于，所述光学掩模版上的卷积核是根据所述目标分类任务的需求对镀镉膜后的玻璃基板进行加工得到的。
3.根据权利要求1所述的基于多层光学神经网络的感前计算装置，其特征在于，所述层间距离是根据三角形相似理论以及所述卷积核的特征尺寸，利用所述板级感光芯片、所述光学掩模版、所述量子点薄膜层、输入光源的间距与输入光源的尺寸的关系校正得到的；
4.根据权利要求1所述的基于多层光学神经网络的感前计算装置，其特征在于，所述量子点薄膜层为cdse量子点薄膜。
5.根据权利要求1所述的基于多层光学神经网络的感前计算装置，其特征在于，所述第一光学掩模版的卷积核的空间特征尺寸为120μm，所述第二光学掩模版的卷积核的空间特征尺寸为50um。
6.一种基于多层光学神经网络的感前计算方法，应用于如权利要求1-5所述的装置，其特征在于，包括：
7.根据权利要求6所述的基于多层光学神经网络的感前计算方法，其特征在于，对所述基于多层光学神经网络的感前计算装置进行层间距离校正，具体包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求7所述基于多层光学神经网络的感前计算方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求7所述基于多层光学神经网络的感前计算方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求7所述基于多层光学神经网络的感前计算方法。
