通过Brillouin散射在液芯PCF中的温度和折射率传感,CNN协助进行高精度预测
Optics express
|June 14, 2025
概括
我们开发了一种液芯光子晶体纤维传感器,用于精确的温度和折射率检测. 卷积神经网络可以准确地预测这些参数,即使在杂的环境中,显示出先进监控系统的巨大潜力.
科学领域:
- 光子学 是一个光子学.
- 传感技术 传感技术
- 人工智能的人工智能
背景情况:
- 液核光子晶体纤维 (LC-PCFs) 为传感提供了增强的光物质相互作用.
- 布里卢因散射为测量物理参数提供了基础.
- 传统方法在传感器灵敏度的实时变化方面存在困难.
研究的目的:
- 提出一个LC-PCF传感器,同时传感温度和折射率.
- 为准确的参数预测开发一个卷积神经网络 (CNN).
- 在动态传感环境中克服传统方法的局限性.
主要方法:
- 在液体内核中设计一个具有高光学和声学能量限制的LC-PCF.
- 使用Brillouin散射原理进行传感.
- 在Brillouin上训练和测试一个优化的CNN模型,在各种信号噪声比 (SNR) 下获得频谱.
主要成果:
- LC-PCF显示出高灵敏度:温度为6.78MHz/°C,折射率为15.00GHz/RIU.
- 美国广播公司 (CNN) 实现了高预测准确度,温度的R2值高达99.99%,折射率高达99.98%在25dB SNR.
- 即使在10dB SNR下,CNN也保持了出色的性能,两个参数的R2值为99.69%.
结论:
- 拟议的LC-PCF和CNN方法可实现高精度,实时测量温度和折射率.
- 这种方法克服了传统方程解决技术的局限性.
- 该技术在先进的环境监测和其他传感应用中显示出重大前景.
