神经网络辅助的高空间分辨率极度度测量与非交联的性元表面
Chen Chen1, Xingjian Xiao1, Xin Ye1
1Nanjing University, National Laboratory of Solid State Microstructures, Key Laboratory of Intelligent Optical Sensing and Manipulations, Jiangsu Key Laboratory of Artificial Functional Materials, College of Engineering and Applied Sciences, 210093, Nanjing, China.
Light, science & applications
|December 3, 2023
概括
我们开发了一种紧的基于地表的极度测量方法,用于分析光的极化. 这种技术提供了高空间分辨率和精度,克服了当前庞大的系统的局限性.
科学领域:
- 光学和光子学 在光学和光子学.
- 地表表面技术的技术.
- 极化光学 极化光学 极化光学
背景情况:
- 当前的极度测量方法通常涉及庞大的系统或空间复杂化,以不均的极化限制性能.
- 需要紧的,高分辨率的技术来进行准确的极化分析.
研究的目的:
- 提出并展示一种新的,非交叉的,干扰测极度测量方法.
- 为了利用三通道的性超表面进行极化分析.
- 整合一个深层卷积神经网络,以提高速度和准确性.
主要方法:
- 开发一种三通道性超表面,用于非间接干扰测量分析.
- 集成深层卷积神经网络 (CNN) 用于数据处理.
- 实验测量空间均和不均的极化.
主要成果:
- 成功演示了一种紧且高分辨率的极度测量系统.
- 准确测量均和非均的极化状态.
- 使用开发的方法,区分两个相似的玻璃样本.
结论:
- 拟议的基于地表的极度测量为现有技术提供了一个紧且高分辨率的替代方案.
- 整合CNN可以提高极化分析的速度和稳定性.
- 这种方法在先进的光学传感和检测中具有潜在的应用.
