太赫兹光学模式识别与旋转和缩放,通过3D打印的衍射深度神经网络增强

科学领域:

• 光学和光子学 在光学和光子学.
• 人工智能的人工智能
• 特拉赫兹技术的技术.

背景情况:

• 光学模式识别 (OPR) 通过单点检测为太赫兹 (THz) 成像提供了具有成本效益的图像识别.
• 传统的OPR系统因输入图像旋转和缩放而扎于识别点位偏移.

研究的目的:

• 为THz成像开发一个强大的OPR方法,克服旋转和缩放的局限性.
• 为了证明一个稳定的识别点,不管输入图像的转换.

主要方法:

• 使用全光学衍射深度神经网络实施全衍射方法.
• 使用两层衍射光学元件 (DOE) 构建网络,集成到一个紧的3D打印全合一设备中,没有4f系统.

主要成果:

• 稳定的图像识别性能在0°至360°旋转的实验验证.
• 证明一致的识别与图像缩放比从1到1/1.9.
• 在不同的输入条件下,衍射深度神经网络成功地保持了固定的识别点.

结论:

• 开发的全光衍射深度神经网络为THz成像中的OPR提供了强大的解决方案.
• 这项技术增强了紧的THz系统的功能,特别是在成像和安全应用中.
• 该方法对旋转和缩放的稳定性为先进的THz传感开辟了新的可能性.