【技术实现步骤摘要】
本专利技术涉及光学器件，尤其涉及自主调谐超表面结构、成像仪和目标识别方法。
技术介绍
1、卷积神经网络（convolutional neural networks, cnns）的兴起，以及大规模训练数据集的涌现，为众多人工智能应用奠定了坚实的基础。尽管这些进展显著提升了性能，但通常是以增加模型复杂度为代价的，这进而又要求更多的计算资源。
2、神经网络使用量和复杂性的增长导致了能源消耗的增加，尤其是在计算能力有限的情况下，给实时决策带来了挑战。例如对于机器视觉，因为处理器和成像器需要具备紧凑、轻便和节能的特点，以支持板载处理，同时确保低功耗和高吞吐量的并行操作。因此，这些相互冲突的需求凸显了在人工智能需求不断扩大的背景下，开发创新的软件和硬件解决方案的必要性。
3、光学神经网络可以提高计算速度和改善各种应用中的能效。通过将计算任务集成到前端成像光学中，机器视觉计算可以得到显著加速。自由空间光学计算，特别是傅里叶光学，早于现代数字电路，并能够实现机器视觉架构中常见的高度并行卷积操作。
4、光学神经网络促进了机器视觉、智能医疗保健和自动驾驶系统的突破性进步。然而，固定光网络架构在实现大规模参数调整而无需修改物理组件方面遇到了巨大的挑战，限制了它们处理复杂应用场景的能力，光学神经网络的准确性和稳定性仍然欠缺。
技术实现思路
1、本专利技术提供自主调谐超表面结构、成像仪和目标识别方法，用以解决现有技术中传统的光学神经网络中准确性和稳定性较低的技术问题。p>
2、本专利技术提供一种自主调谐超表面结构，包括层叠设置的偏振片、电极层、液晶层和超表面层；通过对电极层施加电压，控制液晶层中液晶分子的转向配合偏振片以调节入射图像中光线的振幅；超表面层对调节振幅后的光线进行相位调节并响应，通过空间复用生成多通道的b×b光斑矩阵，以通过光斑矩阵确定出射的特征图像；b表示光斑矩阵的行列数；光斑矩阵中不同的光斑亮度用于表征不同的卷积核权重；其中，电极层中包括多个子电极，液晶层中包括多个像素单元，超表面层中包括多个周期分布的纳米柱，子电极、像素单元和纳米柱之间具有对应关系；通过控制各个子电极的施加电压在对应的像素单元上，配合偏振片进行振幅调节，再结合超表面层中对应的纳米柱的相位调节，以实现光斑矩阵中各个光斑亮度的独立调节；自主调谐超表面结构的复振幅场表示为：
3、；
4、其中，m和n分别表示点扩散函数中元素的行号总数和列号总数，n为第n个行号，m为第m个列号；表示每个元素的相应权重；表示工作波长；x和y分别表示超表面层的平面中横坐标和纵坐标的位置信息；表示预先设计的沿x方向的光线传输角度；表示预先设计的沿y方向的光线传输角度；i表示常数。
5、根据本专利技术提供的一种自主调谐超表面结构，液晶层的厚度取值范围是1微米至10微米，子电极的宽度取值范围是500纳米至100微米；子电极的长度取值范围是500纳米至100微米；纳米柱的横截面图形为方形、圆柱或者十字形；纳米柱横截面图形的长度取值范围是100纳米至1000纳米；纳米柱的高度取值范围是100纳米至1000纳米；纳米柱的分布周期的取值范围是200纳米至1000纳米。
6、根据本专利技术提供的一种自主调谐超表面结构，液晶层的性质表示为：
7、；
8、其中，表示液晶分子的转向；表示常轴折射率；表示非常轴折射率；表示有效折射率。
9、根据本专利技术提供的一种自主调谐超表面结构，电极层包括第一电极层和第二电极层；偏振片设置在超表面层上；第一电极层设置在偏振片上；液晶层设置在第一电极层上；第二电极层设置在液晶层上。
10、根据本专利技术提供的一种自主调谐超表面结构，还包括第一透光基板层和第二透光基板层；超表面层设置在第一透光基板层上；第二透光基板层设置在第二电极层上。
11、根据本专利技术提供的一种自主调谐超表面结构，超表面层用于将入射图像与光斑矩阵中表征的数值进行点积运算，得到特征图像。
12、根据本专利技术提供的一种自主调谐超表面结构，第一电极层和第二电极层的材料均为氧化铟锡。
13、根据本专利技术提供的一种自主调谐超表面结构，第一透光基板层和第二透光基板层的材料均为玻璃。
14、本专利技术还提供一种基于光学神经网络的成像仪，包括光电探测器和上述的自主调谐超表面结构；其中，自主调谐超表面结构用于将接收到的图像的光线进行调谐后得到特征图像，光电探测器用于接收自主调谐超表面结构的特征图像的光线并成像。
15、本专利技术还提供一种基于光电混合卷积神经网络的目标识别方法，使用上述的自主调谐超表面结构，基于光电混合卷积神经网络的目标识别方法包括：通过自主调谐超表面结构对待识别目标进行光学神经网络的卷积处理，得到特征增强后的特征图像；通过光电探测器将特征图像由光信号转化为电信号；将电信号的特征图像输入至数字神经网络进行目标识别，得到数字神经网络输出的识别结果。
16、本专利技术提供的自主调谐超表面结构、成像仪和目标识别方法，其中自主调谐超表面结构包括层叠设置的偏振片、电极层、液晶层和超表面层；通过对电极层施加电压，控制液晶层中液晶分子的转向配合偏振片以调节入射图像中光线的振幅；超表面层对调节振幅后的光线进行相位调节并响应，通过空间复用生成多通道的b×b光斑矩阵，以通过光斑矩阵确定出射的特征图像；b表示光斑矩阵的行列数；光斑矩阵中不同的光斑亮度用于表征不同的卷积核权重；其中，电极层中包括多个子电极，液晶层中包括多个像素单元，超表面层中包括多个周期分布的纳米柱，子电极、像素单元和纳米柱之间具有对应关系；通过控制各个子电极的施加电压在对应的像素单元上，配合偏振片进行振幅调节，再结合超表面层中对应的纳米柱的相位调节，以实现光斑矩阵中各个光斑亮度的独立调节。通过上述方式，本专利技术中液晶层是光振幅可调，超表面层是相位调控，提高了成像质量和最小分辨率，能够实现处理各种编码信息，从而提高对物体的识别准确性和鲁棒性。
本文档来自技高网...【技术保护点】
1.一种自主调谐超表面结构，其特征在于，包括层叠设置的偏振片、电极层、液晶层和超表面层；
2.根据权利要求1所述的自主调谐超表面结构，其特征在于，
3.根据权利要求1所述的自主调谐超表面结构，其特征在于，
4.根据权利要求1所述的自主调谐超表面结构，其特征在于，所述电极层包括第一电极层和第二电极层；
5.根据权利要求4所述的自主调谐超表面结构，其特征在于，还包括第一透光基板层和第二透光基板层；
6.根据权利要求1所述的自主调谐超表面结构，其特征在于，
7.根据权利要求4所述的自主调谐超表面结构，其特征在于，
8.根据权利要求5所述的自主调谐超表面结构，其特征在于，
9.一种基于光学神经网络的成像仪，其特征在于，包括光电探测器和权利要求1-8任一项所述的自主调谐超表面结构；
10.一种基于光电混合卷积神经网络的目标识别方法，其特征在于，使用权利要求1-8任一项所述的自主调谐超表面结构，所述基于光电混合卷积神经网络的目标识别方法包括：
【技术特征摘要】
1.一种自主调谐超表面结构，其特征在于，包括层叠设置的偏振片、电极层、液晶层和超表面层；
2.根据权利要求1所述的自主调谐超表面结构，其特征在于，
3.根据权利要求1所述的自主调谐超表面结构，其特征在于，
4.根据权利要求1所述的自主调谐超表面结构，其特征在于，所述电极层包括第一电极层和第二电极层；
5.根据权利要求4所述的自主调谐超表面结构，其特征在于，还包括第一透光基板层和第二透光基板层；
6.根据权利要求1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。