一种基于机器学习算法提高片上光谱传感性能的方法

描述

光谱传感检测技术是科学研究和工业生产中广泛应用的一种光学分析技术,凭借其对物质光谱指纹的特异性辨识能力,在生物医药、遥感测绘、环境监测、智慧农业、工业自动化等领域起到了不可替代的作用。随着现场快检和轻载荷平台应用需求的急剧增加,常规的桌面型光谱仪因为体积大、操作复杂、价格昂贵等问题难以达到技术要求,迫切需要便携式、低成本的光谱传感检测平台;而大数据、物联网等信息技术的快速发展,也有望通过与便携式光谱检测技术融合开启全新的应用。

近年来各种光谱系统小型化的技术层出不穷,甚至有芯片级的光谱检测平台的报道。这些技术通过各种先进的光色散结构与数十或数百单元的探测器阵列集成获得片上集成的光谱采样与解调,展现了极具特色的小型化光谱检测平台。目前大多数研究报道集中在可见光波段(400 nm-700 nm)和短波近红外波段(700 nm-1100 nm),这是硅探测器完全覆盖的波长范围。长波近红外(1100 nm-2100 nm)乃至中远红外波段虽然具有更为丰富的物质特征光谱信息,但探测器阵列价格高,技术复杂,上述方案均面临着成本快速增加的问题,相关研究和应用推广缓慢。另外,基于单管探测器的片上集成调谐式光谱仪也通常受到调谐范围的限制,仅具有较窄的工作波长范围。因此,迫切需要开发便携式、低成本的红外光谱传感芯片。

据麦姆斯咨询报道,近日,暨南大学陈沁教授和文龙教授团队针对这一问题,提出了一种基于机器学习算法提高片上光谱传感性能的方法,实现基于最小3个光谱通道就能获得准确的混合有机溶剂浓度测定和塑料分拣。相关结果以“On-Chip Near-Infrared Spectral Sensing with Minimal Plasmon-Modulated Channels”为题发表在Laser & Photonics Reviews期刊。

研究人员通过在InGaAs探测器阵列上直接集成表面等离子体共振带通滤波器,并结合机器学习方法提高光谱传感精度,进而减少所需光谱通道数,研制出紧凑型近红外光谱传感芯片(1100 nm-1700 nm,如图1),在混合有机溶剂浓度测定和塑料分拣等方面展现出优异的光谱传感功能,提供了一种便携式、低成本的光谱传感检测平台。

机器学习

图1 近红外光谱传感芯片

高性能片上集成带通滤波器是光谱传感芯片上实现限域空间高效色散和光谱解调的核心功能单元。研究团队首先提出了一种窄线宽和大自由谱宽的带通滤波器的创新设计,在薄金属覆盖的浅刻蚀金属光栅结构中获得了极低损耗的表面等离子体共振,实验中在1100 nm-1700 nm超宽波长范围内获得窄线宽的单个透射峰(<10 nm),透射峰波长可以通过改变光栅周期连续调控,并且该滤波器结构可以通过单步光刻实现低成本的晶圆级的制备。 进一步,研究团队通过将此滤波器与InGaAs探测器直接集成获得了具有波长选择性采样功能的光谱传感芯片单元。不同于常用的压缩感知光谱重构技术,此工作采用了基于机器学习的统计方法来提取目标物的光谱特征,不仅避免了光谱重构算法在不同类型光谱重构中的不确定性问题,还显著减少了光谱传感所需要的光谱通道单元。 实验结果表明,不管是近红外光谱差异较大的乙醇和丙酮的混合液,还是光谱差异极小的甲醇和乙醇混合液,基于所研制的光谱传感芯片结合机器学习统计方法都获得了极高精度的浓度定量测试,而且通过优化光谱采样可以用最小3个光谱通道就获得高精度的测试结果(预测模型的决定系数R2>0.92),显著的降低了定制化近红外光谱传感芯片的尺寸和成本(如图2)。研究团队还进一步在塑料分拣、奶制品脂肪含量测试等实验中进一步验证了相关技术的适用性(如图3)。

机器学习

图2 光谱传感芯片结合机器学习统计方法获得有机混合溶剂浓度测定

机器学习

图3 塑料分选和光谱成像 综上所述,这项研究为如何在极低硬件资源限制条件下获得高性能光学传感检测功能提供了新的技术思路,为光谱传感乃至光学传感检测的大规模应用提供了极具潜力的技术平台。

        审核编辑:彭菁

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分