概括
一个新的基于神经网络 (NN) 的微型光谱仪使用玻璃实现了高性能. 这种计算光谱仪为便携式波长分析提供了低成本的实时解决方案.
科学领域:
- 光学和光子学 在光学和光子学.
- 频谱学是一种光谱学.
- 计算成像技术的成像
背景情况:
- 传统的光谱仪的尺寸大,带宽有限,光谱分辨率低.
- 昂贵的光谱编码器和不稳定的算法阻碍了计算光谱仪的采用.
- 需要小型化,经济高效,高性能的光谱仪.
研究的目的:
- 提出和评估基于神经网络 (NN) 的小型化光谱仪.
- 用玻璃作为低成本,高通量光谱编码器.
- 为了比较用于光谱重建的不同算法的性能.
主要方法:
- 开发了一个神经网络 (NN) 架构用于光谱重建.
- 玻璃被用作光谱编码器.
- 多层感知子 (MLP),卷积神经网络 (CNN),残余卷积神经网络 (ResCNN) 和提霍诺夫规范化用于评估.
主要成果:
- 与其他算法相比,MLP网络展示了优越的光谱重建性能.
- MLP的平均平均平方误差为1.38 × 10−3,重建时间为16μs.
- 实现了1.4纳米的光谱分辨率和420-700纳米的波长检测范围.
结论:
- 拟议的基于NN的微型光谱仪与玻璃对于光谱重建是有效的.
- 这项技术可实现便携式,实时,宽带和高分辨率波长分析.
- 开发的光谱仪克服了传统系统的局限性,为各种应用铺平了道路.
