杭高院物光学院邵建达教授工作室在微型计算光谱传感/成像领域取得新进展

近年来，随着光谱分析的应用领域逐步扩大，对光谱仪较小物理尺寸、较低成本需求优先于高性能，光谱仪向微型化、集成化和低成本等方面高速发展。计算重构型微型光谱仪常依靠具有宽带光谱响应的阵列滤光片及探测器实现光谱编码，依靠压缩感知、深度学习等算法实现光谱重构。

本研究中，阵列滤光片采用紧凑薄膜结构，通过改变单一介质膜层厚度，实现特异性高的宽带光谱响应。单点光谱重构仅需16个区块，数量在同类方案中数量最少，尺寸为毫米级的阵列滤光片（单个区块约2mm×3mm）采用电子束蒸发的方法进行制备。光谱重构网络基于深度学习，输入神经元数量对应区块数，输出神经元数量数量对应光谱通道数，含有若干隐层，各层神经元以全连接的方式连接，可实现高速、高精度（重构精度MSE<10-3）光谱重构。应用于光谱成像时，得益于神经网络并行计算优势，光谱成像所耗时间不与图像空间分辨率成正比，相比于基于压缩感知的光谱重构算法，速度大幅提升（对15万像素图像的光谱成像时间只需0.6s）。

图1 (a) 基于简单薄膜结构的微型光谱仪外观；(b) 基于简单薄膜结构的阵列滤光片结构示意图；(c) 基于深度学习的光谱重构算法。

图2 (a,b) 本研究提出的微型光谱仪可实现 (a) 约2nm的单峰光谱分辨率及 (b) 约5nm的双峰光谱分辨率；(c) 对滤光片的绝对透过率的光谱重构结果；(d) 对标准比色卡的光谱成像结果及蓝、绿、红三个色块的光谱重构结果。