閱讀 | 訂閱
閱讀 | 訂閱
深度解讀

深度學習賦能全光纖千萬幀率高速成像

激光制造網(wǎng) 來源:兩江科技評論2022-03-22 我要評論(0 )   

2022年3月17日,清華大學精密儀器系先進激光技術(shù)研究團隊提出了一種基于多模光纖模式色散和深度學習的高速全光纖化成像方法,實現(xiàn)了千萬幀率高速成像,該工作近期以“深...

2022年3月17日,清華大學精密儀器系先進激光技術(shù)研究團隊提出了一種基于多模光纖模式色散和深度學習的高速全光纖化成像方法,實現(xiàn)了千萬幀率高速成像,該工作近期以“深度學習賦能全光纖高速圖像探測”(All-fiber high-speed imagedetection enabled by deep learning)為題發(fā)表在《自然·通訊》(Nature Communications)期刊上。



研究背景
多模光纖成像技術(shù)因其超細微型探頭和柔性結(jié)構(gòu)帶來的靈活性優(yōu)勢,在生物體內(nèi)成像、工業(yè)檢測等領(lǐng)域具有廣闊的應用前景,獲得了業(yè)界廣泛的關(guān)注。目前,多模光纖成像技術(shù)主要分為兩類,一類通過在光纖遠端產(chǎn)生聚焦點進行掃描成像,另一類通過探測光纖近端的散斑場來恢復光纖遠端被探測的全場圖像。這兩種技術(shù)途徑已有較完善的理論支撐,能得到較清晰的探測圖像,但同時也具有一些難以彌補的劣勢。例如:受限于空間光調(diào)制器、CCD或CMOS器件的刷新速度,成像幀率較低,難以對高速的事件進行成像;結(jié)構(gòu)中包含自由空間光學元件,因此需要精密的光學對準,無法與傳像主體集成實現(xiàn)全光纖化,限制了其應用范圍;成像波長受限于CCD或CMOS器件的感光光譜范圍,限制了其在紅外波段的成像能力。


研究亮點
為此,清華大學精密儀器系先進激光技術(shù)研究團隊基于十多年來在光纖激光器、光纖器件和光纖傳感的技術(shù)積累,提出了基于多模光纖模式色散和深度學習的高速全光纖化成像技術(shù)。該技術(shù)采用皮秒脈沖光纖激光照明被測物,利用多模光纖的模間色散特性將被探測圖像的空間信息在時域上展開,時域信息通過單像素探測器進行探測,并借助神經(jīng)網(wǎng)絡(luò)訓練的方法,由一維時域信息恢復出二維圖像信息,整體結(jié)構(gòu)和原理如圖1所示。


圖1 高速多模光纖成像系統(tǒng)示意圖。a:實驗原理圖;b:以神經(jīng)網(wǎng)絡(luò)進行圖像恢復的流程圖;c:光纖探頭示意圖;d:照明光(黃色箭頭)側(cè)面注入探測光纖的示意圖,信號光(紅色箭頭)在纖芯中傳播;e:探測光纖遠端照片,端面通過燒球來更好地聚焦照明光,比例尺500微米。


該技術(shù)通過一個光纖側(cè)面耦合器將皮秒脈沖光纖激光耦合到探測光纖中,然后從光纖的遠端出射照到物體上,反射光進入探測光纖后緊接著進入與之連接的一公里長的50/125微米直徑多模階躍光纖中傳播。由于模間色散的存在,進入多模光纖的脈沖光會產(chǎn)生分裂形成脈沖串。如圖2所示,不同的光纖橫模具有不同的群速度,因此在時域上會彼此分離,而這些橫模包含了被探測圖像的空間信息,通過模式色散便可將被探測物體的空域信息在時域上展開。


圖2 被探測圖像與其對應的波形和恢復結(jié)果


通過超快光電探測器可以獲得脈沖串波形,經(jīng)神經(jīng)網(wǎng)絡(luò)模型進行訓練后,可以直接從不同的脈沖波形中恢復出被探測圖像。圖3展示了來自不同數(shù)據(jù)庫中圖案的成像效果。


圖3 不同類型圖案的成像效果

該系統(tǒng)的成像幀率主要取決于脈沖光的重頻,目前實驗中已實現(xiàn)高達15.4Mfps幀率的成像,并實驗驗證了達到53.5Mfps幀率的可行性。系統(tǒng)在高幀率成像的同時具備連續(xù)采集一萬幀圖像(大幀深)的能力。如果采用重復頻率更高的激光照明源,并搭配更快的光電探測器和時域波形采集設(shè)備,其幀率可以持續(xù)提升。

團隊所提出的新技術(shù)的突出優(yōu)點是:幀率主要由脈沖光源的重頻決定,成像幀率高;全光纖化的系統(tǒng)結(jié)構(gòu)緊湊,細如發(fā)絲的探頭大大增加了靈活性;單像素成像,探測波段不再受限于可見光,可擴展到近紅外、甚至中波紅外等其他波段;采集時域信號而非空間分布,抗干擾能力強。該系統(tǒng)在某些高速成像場景中比如體內(nèi)高速細胞成像,或工業(yè)場景下對難以開放系統(tǒng)的內(nèi)部高速成像檢測等領(lǐng)域具有巨大應用潛力。

該研究成果近日以“深度學習賦能全光纖高速圖像探測”(All-fiber high-speed image detection enabled by deep learning)為題,發(fā)表在《自然·通訊》(Nature Communications)上。該論文通訊作者為清華大學精密儀器系副教授肖起榕,第一作者為精密儀器系2018級博士生劉洲天。該研究得到了國家自然科學基金資助。



清華大學精密儀器系先進激光技術(shù)研究團隊學術(shù)帶頭人為系主任、教授柳強,團隊以現(xiàn)代化強國建設(shè)與國家重大需求為導向,著眼于光電子技術(shù)領(lǐng)域的科學與技術(shù)發(fā)展前沿,圍繞固體激光、光纖光學、自適應光學、激光探測等方向,開展基礎(chǔ)科學探索、應用基礎(chǔ)研究和系統(tǒng)技術(shù)研發(fā),全面覆蓋高功率激光光源、光束控制、光電探測等技術(shù)領(lǐng)域。團隊承擔國家科技重大專項、國家重點研發(fā)計劃、“973”計劃、“863”計劃、重點驗證、專項配套型號研究等一系列重大項目,形成了從高功率激光光源到微弱光電信號測控的整套技術(shù)鏈條,具備完整的激光光電和測控技術(shù)能力,在相應研究方面取得了重要進展。2018年獲批建設(shè)光子測控技術(shù)教育部重點實驗室,2019年入選重點領(lǐng)域科技創(chuàng)新團隊。


論文鏈接:

https://www.nature.com/articles/s41467-022-29178-8

轉(zhuǎn)載請注明出處。

激光應用激光切割焊接清洗
免責聲明

① 凡本網(wǎng)未注明其他出處的作品,版權(quán)均屬于激光制造網(wǎng),未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用。獲本網(wǎng)授權(quán)使用作品的,應在授權(quán)范圍內(nèi)使 用,并注明"來源:激光制造網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關(guān)責任。
② 凡本網(wǎng)注明其他來源的作品及圖片,均轉(zhuǎn)載自其它媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本媒贊同其觀點和對其真實性負責,版權(quán)歸原作者所有,如有侵權(quán)請聯(lián)系我們刪除。
③ 任何單位或個人認為本網(wǎng)內(nèi)容可能涉嫌侵犯其合法權(quán)益,請及時向本網(wǎng)提出書面權(quán)利通知,并提供身份證明、權(quán)屬證明、具體鏈接(URL)及詳細侵權(quán)情況證明。本網(wǎng)在收到上述法律文件后,將會依法盡快移除相關(guān)涉嫌侵權(quán)的內(nèi)容。

網(wǎng)友點評
0相關(guān)評論
精彩導讀