一种基于阵列化多峰谷宽带滤光片的光谱重构方法及微型光谱仪技术

本发明专利技术公开了一种基于阵列化多峰谷宽带滤光片的光谱重构方法及微型光谱仪，待测光束依次经过扩束透镜扩束、准直透镜准直后照射于多峰谷宽带滤光片阵列，探测器测得透射光束的强度值并输入计算机，经光谱反演网络的解码子网络计算得到待测光束的光谱分布。本发明专利技术是一种全新的，微型化的，可集成的光谱仪，有望在便携式工业检测、消费电子等领域广泛应用。携式工业检测、消费电子等领域广泛应用。

【技术实现步骤摘要】
一种基于阵列化多峰谷宽带滤光片的光谱重构方法及微型光谱仪


[0001]本专利技术涉及光谱分析领域，具体涉及一种基于阵列化多峰谷宽带滤光片的光谱重构方法及微型光谱仪。

技术介绍

[0002]光谱仪是科学研究和工业生产中常用的光谱表征仪器，用于测试标定光源或物体的发射/反射/透射/辐射特性等，在光电系统、传感探测、食品安全、化工生产等领域有广泛用途。
[0003]传统的色散型光谱仪采用光栅、棱镜、可调谐滤光片等作为分光元件，将连续宽波段光谱依次分解成特定波长的能量出射从而实现全光谱的扫描和获取，可以提供超低光谱分辨率和宽光谱范围。但存在体积较大、光谱获取速度慢等缺点。
[0004]随着科学技术的不断发展，光谱分析的应用领域正在迅速扩大。在一些应用场合，如消费电子、片上实验室、临床医学，对光谱仪较小物理尺寸、较低成本与功耗的需求优先于高性能。微型光谱仪应运而生。
[0005]使用微型化或平面化分光元件是应用较广泛的光谱仪微型化策略。主要分光元件为微型化色散元件(平面光栅、平板波导、光子晶体波导、阵列波导光栅等)或窄带滤光片(阵列化窄带滤光片、线性渐变滤光片、可调谐滤光片等)。前者光谱分辨率与光谱仪尺寸大小相互制约，即色散元件到探测器的间距(即光谱仪的尺寸)与光谱分辨率成正比，使光谱仪的尺寸在一定光谱范围和精度要求下存在理论极限；后者虽并不受此制约，但需要区块数量较大(数百个)的阵列滤光片，涉及复杂精细的加工流程，生产成本较高。
[0006]近年来，得益于微纳加工技术和相关算法(压缩感知、机器学习等)的进步，出现了一种全新的微型光谱仪——计算重构型。计算重构型微型光谱仪利用压缩感知、深度神经网络等算法，从一组经宽带探测器或宽带滤光片编码的光谱响应中反演入射光谱。理论上，可以产生不同宽光谱响应的光学元件都可以作为编码器，如量子点、纳米线、薄膜、液晶、光子晶体、超表面等。该方法的编码次数往往少于待测光谱通道数，从而有效减少所需阵列区块个数，简化加工流程，降低加工难度。另一方面，光谱分辨率不再受限于光谱仪尺寸大小，使光谱仪尺寸有望缩小至毫米甚至亚毫米量级。
[0007]但现有计算重构型微型光谱仪方案中，阵列化编码滤光片的设计主要基于“随机生产
–
挑选”的方法，缺乏对其结构与光谱响应的定量优化设计方法，难以实现光谱仪的制造可重复性。
[0008]如公开号为CN109932058A的中国专利文献公开了一种基于阵列滤光片的微型光谱仪,包括扩束透镜、准直透镜、阵列滤光片、探测器和上位机；具体为使用具有不同中心波长和通带半宽度的窄带透射光谱的滤光区块作为其分光元件，并将其集成在探测器芯片上。所述待测光束经依次经过扩束透镜扩束、准直透镜准直后照射于阵列滤光片，经阵列滤光片调制后的透射光被探测接收并传送给上位机，经上位机处理后得到待测光束的光谱分
布。所述阵列滤光片的制备基于多次二元光刻分离方法，不包含对阵列滤光片各滤光区块光谱响应的定量优化设计；所述滤光区块的透射光谱半宽度较窄，并不覆盖探测全波段，对待测光谱的编码能力不足；所述求解待测光束光谱分布的具体算法不明确。

技术实现思路

[0009]本专利技术提供了一种基于阵列化多峰谷宽带滤光片的光谱重构方法，利用该方法可以将探测器上一次性获得的光强值作为输入，反演出离散化的待测光束光谱分布，准确度高，反演速度快。
[0010]本专利技术提供了一种基于阵列化多峰谷宽带滤光片的重构微型光谱仪，该微型光谱仪避免使用光栅、棱镜、可调谐滤光片等分光元件，缩小器件物理尺寸。方案使用较少数量的滤光区块，简化加工流程，且薄膜结构可以降低阵列化滤光片的加工难度，提高器件的制备可重复性和稳定性。
[0011]本专利技术提供如下技术方案：
[0012]一种基于阵列化多峰谷宽带滤光片的光谱重构方法，包括：待测光束依次经过扩束透镜扩束、准直透镜准直后照射于多峰谷宽带滤光片阵列，探测器测得透射光束的强度值并输入计算机，经光谱反演网络的解码子网络计算得到待测光束的光谱分布。
[0013]一种基于阵列化多峰谷宽带滤光片的重构型微型光谱仪，包括按照光路依次相连的扩束透镜、准直透镜、多峰谷宽带滤光片阵列、探测器以及计算机；检测时，待测光束依次经过扩束透镜扩束、准直透镜准直后照射于多峰谷宽带滤光片阵列，探测器一次性测得透射光束的强度值并输入计算机，经光谱反演网络的解码子网络计算得到待测光束的光谱分布。
[0014]相比于使用光谱响应为半宽度较窄的单通道光谱，覆盖探测全波段的宽带光谱可以提升滤光区块对待测光谱的编码能力，提高待测光谱各波段的差异化响应程度，从而减少阵列化滤光片的区块数；由压缩感知理论可知，滤光区块光谱响应相关度越低，对待测光谱的编码冗余越小，可以充分利用数量有限的滤光区块。
[0015]在本专利技术中，多峰谷宽带滤光片阵列集成在探测器芯片上。
[0016]作为优选，所述光谱反演网络(光谱反演算法)采用主成分分析算法、遗传算法、深度神经网络及压缩感知算法中的一种或多种的结合。
[0017]在制作所述多峰谷宽带滤光片阵列之前，我们可以引入光谱反演网络。作为优选，所述多峰谷宽带滤光片阵列的目标光谱响应及匹配的解码子网络均由构建的光谱反演网络得到。
[0018]在构建所述光谱反演网络时，以已知输入光谱作为训练集和测试集；以特定光学薄膜结构的光谱作为约束条件进行深度学习后，得到光谱反演网络，即得到所述编码子网络与解码子网络；所述多峰谷宽带滤光片阵列中各个滤光区块的目标光谱响应为编码子网络中神经元之间的连接权重；根据目标光谱响应，由光学薄膜设计软件获取各滤光区块的结构参数。
[0019]本专利技术光谱反演网络在深度学习过程中，将实验所得的多峰谷宽带滤光片阵列各区块的实际光谱响应作为考虑因素，可以更全面的对光谱反演网络进行优化，使解码子网络与滤光片阵列更匹配，进一步提高光谱反演精度。
[0020]作为优选，优化时，以已知输入光谱作为训练集和测试集(可以与构建所述光谱反演网络的训练集和测试集相同，也可以不同，没有限制)，以实际光谱响应作为编码子网络神经元之间的连接权重，并在深度学习过程中保持不变(神经元之间的偏置在深度学习过程中设置为0，也保持不变)，仅对解码子网络进行优化。
[0021]作为优选，所述解码子网络的输入神经元数量为多峰谷宽带滤光片阵列区块数M，输出神经元数量为光谱通道数N，且包含若干个隐层；输入神经元与隐层神经元、隐层神经元与隐层神经元、隐层神经元与输出神经元之间的连接方式为全连接，并在每个全连接层之后添加批归一化层与激活函数。
[0022]所述多峰谷宽带滤光片阵列包括若干个滤光区块，每个滤光区块的透射光谱互不相同(包含不同的峰谷个数)，但均为覆盖探测全波段的宽带光谱。
[0023]在本专利技术中，所述探测全波段为紫外
‑
可见
‑
红外波段，根据需要选择具体波段。
[0024]在本专利技术中，所述若干个是指大于或等于2个。
[0025]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，待测光束依次经过扩束透镜扩束、准直透镜准直后照射于多峰谷宽带滤光片阵列，探测器测得透射光束的强度值并输入计算机，经光谱反演网络的解码子网络得到待测光束的光谱分布。2.根据权利要求1所述基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，所述光谱反演网络采用主成分分析算法、遗传算法、深度神经网络及压缩感知算法中的一种或多种的结合。3.根据权利要求1所述基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，所述阵列化多峰谷宽带滤光片各滤光区块的结构参数由构建的光谱反演网络的编码子网络得到。4.根据权利要求3所述基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，构建所述光谱反演网络时，以已知输入光谱作为训练集和测试集；以特定光学薄膜结构的光谱作为约束条件进行深度学习后，得到所述构建的光谱反演网络与多峰谷宽带滤光片阵列中各滤光区块的目标光谱响应；根据得到的目标光谱响应，获取所述各滤光区块的结构参数。5.根据权利要求4所述基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，所述多峰谷宽带滤光片阵列制备完成后，根据其实际光谱响应对构建的光谱反演网络进行微优化。6.根据权利要求5所述基于阵列化多峰谷宽带滤光片的光谱重构方法，其特征在于，微优化时，以已知输入光谱作为训练集和测试集，以实际光谱响应作为编码子网络的连接权重，并在深度学习过...

【专利技术属性】
技术研发人员：杨陈楹，温俊仁，沈伟东，郑婷婷，高程，郝凌云，王海兰，陈潇，章岳光，
申请(专利权)人：浙江大学，
类型：发明
国别省市：