基于深度学习的微纳光纤自动制备系统

作     者：刘鸿江 刘逸飞 谷付星 Liu Hong-Jiang;Liu Yi-Fei;Gu Fu-Xing

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2024年第73卷第10期

页      面：212-220页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 070207[理学-光学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：国家自然科学基金(批准号:62122054,62075131) 上海市教委“曙光计划”(批准号:22SG44)资助的课题 

主　　题：微纳光纤 直径测量 深度学习 图像分割 

摘      要：在微纳光纤拉锥制备过程中,对直径的大范围、高精度和动态实时性测量是实现低损耗传输和色散调控的关键.针对现有传统制备方法直径调控范围小、操作复杂及耗时长等问题,本文基于深度学习神经网络算法实现了微纳光纤自动检测系统.利用计算机视觉中的图像分割方法,通过制作高质量多尺度微纳光纤数据集,使用基于小目标检测改进的YOLOv8-FD算法对微纳光纤直径进行自动检测.在数据集中获得了平均均值精度高达mAP^(IoU=50)=0.975和mAP^(IoU=50_95)=0.765的性能参数.实验结果表明,该系统可实现微纳光纤直径462 nm—125μm范围,误差2.95%以内的测量和自动化制备,并随着光纤直径增长,误差逐渐缩小,且该系统光学成像单个像素分辨率为65.97 nm,平均检测时间为9.6 ms.本文工作适用于对微纳光纤的高精度实时测量和自动精确制备,为低损耗传输和色散可调的微纳光纤器件发展提供新的思路.