|
2022年3月17日，清华大学精密仪器系先进激光技术研究团队提出了一种基于多模光纤模式色散和深度学习的高速全光纤化成像方法，实现了千万帧率高速成像，该工作近期以“深度学习赋能全光纤高速图像探测”（All-fiber high-speed imagedetection enabled by deep learning）为题发表在《自然·通讯》（Nature Communications）期刊上。
图1 高速多模光纤成像系统示意图。a：实验原理图；b：以神经网络进行图像恢复的流程图；c：光纤探头示意图；d：照明光（黄色箭头）侧面注入探测光纤的示意图，信号光（红色箭头）在纤芯中传播；e：探测光纤远端照片，端面通过烧球来更好地聚焦照明光，比例尺500微米。 该技术通过一个光纤侧面耦合器将皮秒脉冲光纤激光耦合到探测光纤中，然后从光纤的远端出射照到物体上，反射光进入探测光纤后紧接着进入与之连接的一公里长的50/125微米直径多模阶跃光纤中传播。由于模间色散的存在，进入多模光纤的脉冲光会产生分裂形成脉冲串。如图2所示，不同的光纤横模具有不同的群速度，因此在时域上会彼此分离，而这些横模包含了被探测图像的空间信息，通过模式色散便可将被探测物体的空域信息在时域上展开。
图2 被探测图像与其对应的波形和恢复结果
通过超快光电探测器可以获得脉冲串波形，经神经网络模型进行训练后，可以直接从不同的脉冲波形中恢复出被探测图像。图3展示了来自不同数据库中图案的成像效果。
图3 不同类型图案的成像效果 团队所提出的新技术的突出优点是：帧率主要由脉冲光源的重频决定，成像帧率高；全光纤化的系统结构紧凑，细如发丝的探头大大增加了灵活性；单像素成像，探测波段不再受限于可见光，可扩展到近红外、甚至中波红外等其他波段；采集时域信号而非空间分布，抗干扰能力强。该系统在某些高速成像场景中比如体内高速细胞成像，或工业场景下对难以开放系统的内部高速成像检测等领域具有巨大应用潜力。 该研究成果近日以“深度学习赋能全光纤高速图像探测”（All-fiber high-speed image detection enabled by deep learning）为题，发表在《自然·通讯》（Nature Communications）上。该论文通讯作者为清华大学精密仪器系副教授肖起榕，第一作者为精密仪器系2018级博士生刘洲天。该研究得到了国家自然科学基金资助。
清华大学精密仪器系先进激光技术研究团队学术带头人为系主任、教授柳强，团队以现代化强国建设与国家重大需求为导向，着眼于光电子技术领域的科学与技术发展前沿，围绕固体激光、光纤光学、自适应光学、激光探测等方向，开展基础科学探索、应用基础研究和系统技术研发，全面覆盖高功率激光光源、光束控制、光电探测等技术领域。团队承担国家科技重大专项、国家重点研发计划、“973”计划、“863”计划、重点验证、专项配套型号研究等一系列重大项目，形成了从高功率激光光源到微弱光电信号测控的整套技术链条，具备完整的激光光电和测控技术能力，在相应研究方面取得了重要进展。2018年获批建设光子测控技术教育部重点实验室，2019年入选重点领域科技创新团队。
论文链接： https://www.nature.com/articles/s41467-022-29178-8 |
收藏
打印
