Optisk fiber, som den grundlæggende bærer af moderne højhastigheds- og højkapacitetskommunikation, er nøglen til sammenkoblingen af verden. Med den hurtige udvikling af kommunikationsindustrien i de seneste årtier kan almindelig single-mode optisk fiber ikke længere opfylde de særlige behov for forskellige industrielle applikationer, så en række optiske fibre med komplekse interne strukturer, såsom polarisationsvedligeholdende fibre, multi- kernefibre og fotoniske krystalfibre og andre optiske specialfibre, der opstod på det civile og militære område, er uundværlige.
Variationen af disse specialfibre og deres komplekse interne strukturer har begrænset deres fremstillingsovervågning, fibersplejsning og mikro-nano-behandling til en vis grad. Eksisterende metoder såsom end-view-inspektion, digital holografi, optisk tomografi, polarisationsobservation ved linseeffektsporing og Gaussisk spredningsbilleddannelse har specifikke problemer, som ikke opfylder de nuværende behov.
I et nyt papir udgivet i Light:Advanced Manufacturing , et team af forskere, ledet af professor Fei Xu fra College of Engineering and Applied Sciences og Collaborative Innovation Center of Advanced Microstructures, Nanjing University, Kina, og kolleger har udviklet en metode til at bruge Bessel-stråle (et struktureret lys) som en belysningslyskilde og transmittere fra siden af en syv-kernet fiber for at udføre billeddannelse (vist i figur 1).
Fordelene ved Bessel-strålebelysning i forhold til traditionelle metoder verificeres af den digitale korrelationsmetode, og samtidig realiseres, kombineret med deep learning-metoden, en højpræcisionsmåling af den indre struktur af den optiske fiber med syv kerner.
Simuleringsundersøgelser viser, at Bessel-strålens selvhelbredende egenskab, som et ikke-diffraktionsstruktureret lys, giver en lang fokusdybde i spredningsmediet, hvilket resulterer i mindre spredning, skarpere fiberkernemønstre og højere billedkontrast i Bessel-strålen -baseret belysningsbilleddannelse. Derudover giver Bessel-stråler en unik effekt, når de transmitterer et objekt uden for aksen med et internt transparent medium med et varierende brydningsindeks (som vist i figur 2), som frembringer to brydningsbaner med forskellige bøjningskrumninger.
Baseret på de ovennævnte to funktioner, sammenlignet med Gaussisk strålebelysning, kunne billeder fra Bessel strålebelysning se flere fiberkerner, når der afbildes specialfibre med forskellige rotationsvinkler (vist i figur 3). Som bekræftet af den digitale korrelationsmetode er billedændringen baseret på Bessel-strålen meget hurtigere end den for Gauss-strålen, og målingens præcision er højere.
I dette papir blev præcisionen af målingerne yderligere forbedret ved at bruge deep learning. Den dybe læringsmodel behandler det optagne billede og udsender direkte den forudsagte fiberrotationsvinkel. Derudover indsamlede forskerne også billeder af fibre, der adskiller sig fra fiberen, der blev brugt til at etablere træningsdatabasen, og indlæste dem til den trænede dybe læringsmodel, hvis forudsigelsesresultater også opnåede god præcision og nøjagtighed, hvilket indikerer, at den dybe læringsmetode har en stærk generaliseringsevne og god robusthed i praktiske anvendelser.
Resultaterne viser, at den Bessel-strålebaserede tilgang har et stort potentiale for at udvikle applikationer til præcise og ikke-destruktive målinger af kernefordelinger i flerkernefibre og fotoniske krystalfibre.
Flere oplysninger: Liuwei Zhan et al, Bessel-strålebaseret sidevisningsmåling af indre kernefordeling med syv kerner, Light:Advanced Manufacturing (2023). DOI:10.37188/lam.2024.002
Leveret af Chinese Academy of Sciences
Sidste artikelDipol-dipol-interaktioner:Observation af et nyt systematisk skift
Næste artikelEt effektivt numerisk program til at studere lysspredning på nanoskala