產品列表
PROUCTS LIST
該基于深度學習的無序色散微型光譜儀，其色散介質采用毛玻璃，不僅價格低廉，且光通量較高。而 DL 方法展現了其在嘈雜環境中仍能精確且穩定地重建光譜的能力，這是傳統算法通常所不具備的。只需使用圖像傳感器獲取毛玻璃散射光的光強散斑分布，就可以通過訓練完成的神經網絡模型實現待測光的光譜重建，如同智駕一樣迅速，并保持著較高的準確性，下圖1為光譜儀的光譜重建結果。
圖 1(a)不同波長的6個窄帶光譜重建;(b)不同時間的2個寬帶光譜重建;(c)2個相近的窄帶光譜重建;(d)基于 Tikhonov 正則化的光譜重建與基于 MLP 神經網絡的光譜重建對比
該系統的經典工作流程包括：校準、編碼和解碼。校準過程利用單色儀或可調諧激光器測量光學編碼器的響應功能，編碼過程通常是捕獲未知光譜經編碼器后的單鏡頭圖像，解碼則是根據編碼矩陣和單鏡頭圖像數據重建未知光譜。而基于 DL 的光譜儀將神經網絡的訓練過程代替傳統光譜儀的校準過程，神經網絡可以學習數據之間的復雜關系，從而在不需要人工干預的情況下進行校準和修正，可以實現更高的精度和穩定性，降低人工成本和時間成本。同時，使用神經網絡也可以更靈活地適應時間和環境條件的變化，所以不需要重新設計和反復實施傳統的校準方法。圖2介紹了基于深度學習的無序色散微型光譜儀結構。
圖2 基于深度學習的無序色散微型光譜儀系統
光譜儀工作系統主要由兩個部分組成:將光譜信息轉換為空間數據的編碼部分和將空間數據轉換回光譜信息的重建部分。在編碼過程中，待測光首先會照射到毛玻璃上，通過毛玻璃后會在探測器表面形成光斑強度圖，圖形的形狀和待測光光譜有關。毛玻璃和探測器之間的距離僅為2mm，這使得兩者可以集成在同一塊芯片上，大大減小了光譜儀的尺寸。接下來通過使用神經網絡，將會得到對應的光譜信息。本文介紹的系統，采用平均均方誤差(MSE)作為損失函數，該函數可以計算出重建光譜與真值光譜之間的差異
其中 A 為數據集的數量，Sˆk 和Sk 分別表示第 k 個重建光譜和它對應的真值光譜。本實驗中所有圖像預處理和網絡訓練和測試均使用 PyTorch 完成，使用到的 GPU 為 NVIDIA GTX 4090.模型的初始學習率為 2 × 10-4.使用 Adam 優化器自適應調整學習率，dropout 率設置為 0.05.下圖3為訓練過程中的損失函數下降曲線
圖3 隨著訓練輪次增加的損失函數(MSE)下降曲線
光譜儀作為一種重要的光學測量儀器，在工業檢測、環境監測、生物醫學診斷以及食品安全等領域具有廣泛應用。傳統光譜儀通常依賴棱鏡或光柵等色散元件以及較長焦距的光學系統，通過空間分光實現光譜測量。這類系統往往結構復雜、體積龐大且成本較高，難以滿足便攜式設備、嵌入式系統以及實時檢測等新興應用需求。因此，開發小型化、低成本且高性能的光譜儀成為當前光學工程與計算成像領域的重要研究方向。近年來，隨著微納加工技術和計算成像理論的發展，計算光譜儀逐漸成為實現光譜儀微型化的重要技術路線。該類方法通過設計具有特定光譜響應的調制器，將輸入光譜編碼為一組強度測量值，再通過計算重建算法恢復原始光譜信息。目前已有多種實現方案，例如基于量子點、光子晶體、液晶器件、薄膜濾光片、納米線以及超表面結構的光譜編碼器等。這些方法雖然在性能上取得了顯著進展，但往往依賴復雜的微納加工工藝或特殊材料體系，制造成本較高，難以實現大規模低成本應用，限制了其可擴展性和經濟性。
光彈性效應是指某些材料(如塑料)在受力時會產生雙折射現象，即折射率隨應力方向變化而變化。當光通過這種各向異性材料時，正交偏振方向的折射率不同，導致入射光分解為兩束偏振方向垂直、傳播速度不同的光(尋常光和非尋常光)，兩者之間產生相位差，由于相位差隨波長和局部應力變化，不同波長的光在不同位置發生干涉，從而將光譜信息編碼為空間色彩分布。利用這一特性，可構建微型計算光譜儀。ElastoSpec 的核心是一個光彈光譜濾波器(photoelastic spectral filter)，其結構非常簡單，僅由兩個偏振片和一塊受應力塑料片組成，并直接安裝在 CMOS 圖像傳感器前端，避免了傳統計算光譜儀中常見的復雜納米制造工藝以及陣列式光譜濾波器結構。整個光譜儀的尺寸約為 27 mm × 27 mm，重量約 4.91 g，具有明顯的小型化優勢。其工作原理基于光彈效應，當透明材料受到機械應力時，其折射率會在不同方向上發生變化，從而產生應力誘導雙折射。通過在不同偏振角度和不同空間位置下測量濾波器的光譜響應函數，對所設計濾波器的性能進行了表征。結果表明，該濾波器能夠產生豐富多樣的光譜響應，可用于光譜信息的有效感知。系統通過選擇濾波器上不同的空間位置作為光譜調制單元來實現光譜調制。
圖1. 具有不同偏振角度和空間位置的光彈性光譜濾光片的光學特性。(a) 選定塑料片的照片。(b) 彈性規格示意圖。(c) 第二偏振片不同偏振角下的光彈性光譜濾光片彩色照片，且第一偏振片的角度固定。(d) 傳輸光譜的三維表示，具有不同的偏振角度(偏振片2)和空間位置(以濾波器編號0、1、...、30為索引)。(e) 具有不同偏振角度的傳輸光譜示例，對應于選定的空間位置。(f) 從(e) 中選取的譜響應曲線示例，對應不同的偏振角度。
ElastoSpec 重建性能
實驗驗證了 ElastoSpec 在簡單窄帶光譜和復雜光譜輸入條件下的有效性。結果表明，該系統能夠實現 2 nm 的光譜分辨率，并在單色光輸入條件下獲得約 0.2 nm 的半高全寬(FWHM)誤差。在僅使用 10 個光譜調制單元的情況下，系統仍可實現 10?³量級均方誤差(MSE)的高精度光譜重建。進一步地，本文提出了一種自適應調制單元選擇策略，通過優化濾波器上光譜調制單元的采樣數量以及空間位置分布，從而提升 ElastoSpec 的光譜感知性能。
圖2. ElastoSpec 的重建性能特性。(a) 實驗中使用的30個調制單元中的10個代表性譜響應函數。(b) 頻譜響應的相關系數矩陣。(c) 頻譜響應的主成分分析。(d) 對9個單色光樣本在400–700 nm范圍內不同波長的光譜重建，與商業光譜儀測量的參考光譜進行比較。(e) 峰值波長的重建誤差，對應于(d) 中重建的光譜。(f)，(g) 400–700 nm 范圍內單色光的峰值波長和 FWHM 重建誤差，間隔為 1 nm。(h) 兩個峰間距2 nm的混合窄帶信號重建結果。
ElastoSpec 為設計緊湊、易制備且低成本的便攜式光學傳感器和消費級設備提供了一種新的實現方案。該方法基于由應力誘導雙折射產生的光彈效應，通過使用普通透明塑料片作為雙折射介質，避免了對特殊材料和復雜制造工藝的依賴。與依賴人工設計雙折射材料結構的方法不同，ElastoSpec 利用了普通塑料內部隨機應力分布所產生的光譜調制特性，并且可以通過靈活優化光譜調制單元的空間位置和數量進一步提升系統性能。這項工作避免了復雜微納加工和特殊材料的需求，為開發簡單、經濟且可擴展的片上和便攜式光譜傳感設備提供了技術基礎。
超微型光譜儀的高性能：實現了4×4微米²的超小尺寸，0.17納米的波長精度和0.4納米的光譜分辨率。高靈敏度和動態范圍：光譜儀的檢測限低至1.2飛焦耳(fJ)，動態范圍達到149分貝(dB)。角分辨光譜成像：通過金屬透鏡和光譜儀陣列的結合，實現了高分辨率的角分辨光譜成像。高光譜成像能力：成功展示了光譜儀陣列在高光譜成像中的應用，能夠重建復雜的光譜信息。
05
圖1：角分辨超表面光譜儀的設計原理
核心思想：展示了超表面光譜儀的基本設計和工作原理。通過超表面調制光信號，并利用鈣鈦礦光電探測器記錄信號。通過改變外加電壓，超表面的透射光譜可以被調節，從而實現高精度的光譜重建。
圖2：超微型光譜儀的性能測試
核心思想：展示了超微型光譜儀的實驗結果，包括其高分辨率、高靈敏度和動態范圍。通過與商業光譜儀的對比，驗證了其在寬光譜范圍內的重建能力。
圖3：微激光器的光譜分析
核心思想：利用超微型光譜儀對鈣鈦礦微激光器進行光譜分析，展示了其在復雜光譜重建中的能力，包括高密度的周期性峰和寬帶光譜。
圖4：光譜儀陣列的高光譜成像能力
核心思想：展示了光譜儀陣列在高光譜成像中的應用。通過重建光譜數據立方體，實現了對圖像的光譜分析和偽彩色成像。
圖5：角分辨光譜分析和成像
核心思想：展示了超微型光譜儀在角分辨光譜分析中的應用。通過金屬透鏡將不同角度的光信號聚焦到光譜儀陣列上，實現了高分辨率的角分辨光譜成像。
