使用用于基于等离子体的传感器的人工神经网络,对一个完美的正弦形格子形状的描述
Applied optics
|June 10, 2024
概括
这项研究引入了一个神经网络系统,在制造过程中检测出完美的正弦衍射网格. 这确保了等离子体传感器的最佳效率,在实验结构上验证方法.
科学领域:
- 材料科学与工程 材料科学与工程
- 光学和光子学 在光学和光子学.
- 人工智能在制造业中的应用
背景情况:
- 具有精确正弦形形状的衍射格对于高效的等离子传感器至关重要.
- 制造过程需要可靠的方法来验证网格几何,以获得最佳性能.
- 表面等离子共振 (SPR) 传感器依赖于网格的精确周期结构.
研究的目的:
- 开发和验证一种用于检测射格的目标完美正弦形状的检测系统.
- 在制造过程中实现神经网络分类器,用于实时表征.
- 为了使网格结构的几何参数可靠地确定.
主要方法:
- 实现了一个神经网络分类器来分析衍射网格的几何形状.
- 该系统的设计是为了在固定形状的二进制检测模式下运行.
- 开发了一种替代方法,用于从有限的配置文件中识别形状.
- 验证是在627nm周期的试验性阴影状格子结构上进行的.
主要成果:
- 开发的神经网络系统成功检测到了衍射网格的形形状.
- 该系统证明了对几何形状的可靠表征.
- 二元检测和配置文件识别方法被验证为实际应用.
结论:
- 提出的系统有效地检测到完美的侧边衍射格,这对于等离子体传感器效率至关重要.
- 神经网络方法为格制造中的质量控制提供了可靠的决策工具.
- 验证的方法支持生产高性能等离子体传感器.


