基于U-Net深度学习的电光液晶高光谱成像

《Optics & Laser Technology》:Electro-optic liquid crystal hyperspectral imaging via U-Net-based deep learning

【字体: 大 中 小 】 时间:2026年10月22日 来源:Optics & Laser Technology 4.6

编辑推荐:

   **摘要** 超光谱成像(HSI)以其同时解析精细光谱特征与空间分布的能力,已成为光学传感领域的重要前沿方向。在此,我们提出并展示了一种紧凑的计算超光谱成像框架,该框架利用了均匀取向液晶(LC)模块的电可调双折射特性。通过施加不同的门控电压来调制液晶分子取向,目标物的超光谱

  **摘要**超光谱成像(HSI)以其同时解析精细光谱特征与空间分布的能力,已成为光学传感领域的重要前沿方向。在此,我们提出并展示了一种紧凑的计算超光谱成像框架,该框架利用了均匀取向液晶(LC)模块的电可调双折射特性。通过施加不同的门控电压来调制液晶分子取向,目标物的超光谱信息被光学编码为一组压缩的灰度强度模式序列。随后,采用基于U-Net的深度学习架构,通过端到端学习从多通道输入中重建高维超光谱数据立方体。实验结果表明,在可见光谱范围内(400–700 nm)的31个光谱通道上均实现了高保真重建,在空间形态和光谱一致性方面与真实数据高度吻合。我们的方法为微型化、低成本的超光谱成像解决方案铺平了道路,在环境监测、精准农业和生物医学诊断等领域具有广阔的应用前景。**引言**在光电科学快速发展的推动下,光学技术已无缝融入众多学科领域,涵盖信息与通信、生物传感、环境监测和智能制造等。在这一框架下,超光谱成像(HSI)在两个空间维度上捕获目标在某一光谱范围内的反射、透射或辐射特征,生成三维超光谱数据立方体[1],[2],[3],[4],引起了学术界和工业界的高度关注。高空间分辨率与高光谱分辨率的结合释放了跨学科应用的变革性潜力,包括医学成像[3],[5],[6]、食品质量控制[7]以及遥感[8],[9],[10],[11],[12]。传统上,大多数超光谱成像架构依赖于通过点扫描(摇摆式)、线扫描(推扫式)或波长扫描(可调谐滤波器/干涉仪)实现时空-光谱复用[2],[13],[14],[15]。然而,这些系统从根本上受到体积庞大的色散元件(如光栅、棱镜或滤光轮)的限制,不可避免地导致系统占地面积过大和机械复杂度增加。这些局限性严重阻碍了其在现场或资源受限的便携式场景中的部署。为了突破这些瓶颈,近期研究已转向微型化光谱调制[16],[17],[18],[19],[20],[21],[22],[23],[24],[25],[26],[27],[28],[29],[30],[31],[32],[33],[34],[35],[36],[37],[38],[39],[40]。这些利用量子点[16]、纳米线[18],[38]、半导体异质结[28]、超表面[20],[21],[22],[23]以及光学腔和干涉仪[32],[33],[34],[35],[36],[37],[41],[42],[43]的新型范式正在重新定义系统集成的边界。此外,数据驱动的深度学习方法突破了传统物理建模和数值反演的固有局限。通过利用用户定义的目标函数,这些网络能够自主优化信号处理路径,从传感器数据中提取潜在信息[14],[44],[45],[46]。硬件架构与计算软件的协同为新一代紧凑、低成本、高性能的超光谱成像系统铺平了道路。在本工作中,我们通过将电可调液晶(LC)模块与物理信息深度学习重建框架相结合,展示了一种计算超光谱成像系统。如图1所示,操作流程始于通过单色相机捕获一系列强度模式。这些模式代表了目标场景的光谱信息,通过液晶调制的光偏振干涉进行光学编码。捕获的多帧测量数据随后被输入基于U-Net的算法架构中,该架构利用编码器-解码器结构提取层次化特征并生成初始光谱估计。为确保物理一致性,重建过程进一步通过引入预校准的传输矩阵和真实光谱先验作为优化约束进行完善。这一物理增强的学习过程迭代校准网络输出,最终生成高保真度的超光谱数据立方体。我们的基于液晶的超光谱成像系统在31个光谱通道(400–700 nm)上实现了精确重建。我们进一步展示了使用所开发的超光谱成像系统进行真实场景反射超光谱成像的能力。通过结合紧凑的硬件与智能算法,该方法为环境监测、精准农业和生物医学诊断等便携式应用提供了稳健、低成本的解决方案。**液晶模块的工作原理**基于偏振干涉原理,我们开发了一种集成液晶模块的光学调制路径。通过精确调节施加到液晶模块上的外部电压,我们动态调制透射光强度。这种调制本质上是波长相关的,因为液晶引起的相移随入射波长和所施加电压的变化而变化。具体而言,电压控制液晶层的有效双折射,从而……**结果**液晶模块的测量传输矩阵如图3(a)所示,表明阈值为1.9 Vpp,饱和电压超过12 Vpp。因此,选择2-12 Vpp的电压范围以有效避免迟滞和非线性效应。图3(b)展示了不同电压条件下的典型透射光谱曲线,直观地揭示了该模块对入射光波长的选择性响应:随着驱动电压的增加,自由光谱……**讨论**本研究展示了一种计算超光谱成像框架,将基于液晶的偏振干涉与深度学习驱动的重建相结合。实验结果验证了在可见光谱范围(400–700 nm)内成功恢复了31个光谱通道。重建的超光谱立方体表现出高空间保真度和光谱精度,证实了将定制液晶模块与物理信息U-Net结合有效简化了系统架构并减少了……**作者贡献声明**张祖帅:写作 – 初稿撰写、软件、方法论、数据整理。郑泽欢:写作 – 初稿撰写、软件、方法论、数据整理。罗嵩:写作 – 审阅与编辑。陈张海:写作 – 审阅与编辑、监督指导。陈金辉:写作 – 审阅与编辑、监督指导、经费获取、概念构思。**基金资助**感谢陈禄剑教授和李永帅先生在实验中的帮助。本工作得到国家自然科学基金委员会福建省自然科学基金(2023J06011)、国家自然科学基金委员会(62675279、12274357)以及深圳市科技计划(JCYJ20240813145614019)的资助。**利益冲突声明**作者声明他们不存在可能影响本文所报道工作的已知竞争性经济利益或个人关系。作者:张祖帅、郑泽欢、罗嵩、陈张海、陈金辉
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号