智能机器视觉用于通用空间模式重建

科学领域:

• 光电学是指光电子产品.
• 光学通信是指光学通信.
• 人工智能的人工智能

背景情况:

• 结构光束,特别是具有轨道角动量 (OAM) 的光束,为通信系统提供了增强的传输能力.
• 基于OAM的通信面临来自无序媒体的模式扭曲和高顺序模式分歧的挑战.
• 目前用于OAM扭曲的AI解决方案是计算密集的,需要高的处理时间和功率.

研究的目的:

• 开发一种低功耗,低成本的解决方案,用于检测和重建扭曲的OAM载波束.
• 展示一个图像传感器作为人工神经网络用于OAM束重建.
• 在处理时间和功耗方面克服现有的AI算法的局限性.

主要方法:

• 使用一种低功耗,低成本的图像传感器,设计为作为人工神经网络的功能.
• 实现传感器同时检测和重建扭曲的OAM光束.
• 用单独的Vortex,Laguerre-Gaussian (LG) 和贝塞尔模式以及混合叠加来测试系统的有效性.

主要成果:

• 图像传感器成功地以95%的效率重建了扭曲的OAM光束.
• 展示了个人和混合 (非对角) OAM模式的重建.
• 验证了传感器作为光学信号处理的低功耗人工神经网络的能力.

结论:

• 一种新的低功耗图像传感器可以模拟人工神经网络用于OAM束重建.
• 与传统的人工智能方法相比,这种方法显著减少了处理时间和功耗.
• 开发的设备为未来低功耗,高效的光通信技术提供了一个有希望的基础.