Отправить статью по E-mail Моделирование многоэлементных изображающих систем с кольцевой диафрагмой
- Авторы: Пронин И.С.1
-
Учреждения:
- Самарский национальный исследовательский университет имени академика С.П. Королева
- Выпуск: Том 1 (2025)
- Страницы: 205-206
- Раздел: ЧАСТЬ I. Физика
- Статья получена: 25.05.2025
- Статья одобрена: 17.06.2025
- Статья опубликована: 02.11.2025
- URL: https://rjsvd.com/osnk-sr2025/article/view/680506
- ID: 680506
Цитировать
Полный текст
Аннотация
Обоснование. В последнее время наблюдается тенденция к минимизации изображающих систем. Уменьшение габаритов некоторых видов систем ограничено законами оптики, однако в случаях, когда необходимо поместить изображающую систему на микродроне или когда ее размер не должен значительно превосходить размер регистрирующей матрицы, целесообразно использовать дифракционную оптику. У дифракционных линз есть ряд преимуществ — малый вес, малые габариты, однако есть и недостатки, такие как хроматические аберрации и малая дифракционная интенсивность.
Цель — провести моделирование матричного гиперспектрометра, размеры которого будут достаточно маленькими.
Методы. Моделирование производится путем трассировки лучей через матричный гиперспектрометр, на основе кольцевой изображающей системы с гармонической линзой. Схематично фазовая функция представлена на рис. 1, а.
Рис. 1. Схематичный вид фазовой функции матричного гиперспектрометра 2×2 (а), восстановленные нейронными сетями и исходный спектры (б)
Лучи, которые испускает точечный источник света, проходят через моделируемый гиперспектрометр и попадают на регистрирующую матрицу. Каждая кольцевая изображающая система имеет три гармоники в видимом световом диапазоне, которые фокусирует на регистрирующую матрицу. Однако выходной спектр нуждается в корректировке, которую могут осуществлять нейронные сети.
Результаты. Предложен вид гиперспектрометра, который состоит из матрицы кольцевых изображающих систем с гармонической линзой. Такой подход позволит существенно уменьшить габариты гиперспектрометра. Нейронные сети прямого распространения позволят восстанавливать полученный спектр до исходного. Полученные результаты ошибки представлены в табл. 1.
Таблица 1. Среднеквадратичная ошибка на тестовой выборке
Версия нейронной сети | Среднеквадратичная ошибка на тестовой выборке |
Первая нейронная сеть | 0,002741 |
Вторая нейронная сеть | 0,000268 |
Третья нейронная сеть | 0,000131 |
Выводы. Предложенный подход может существенно уменьшить габариты гиперспектрометров. Предложенные нейронные сети могут восстанавливать полученный спектр с ошибкой не более 0,002741.
Полный текст
Обоснование. В последнее время наблюдается тенденция к минимизации изображающих систем. Уменьшение габаритов некоторых видов систем ограничено законами оптики, однако в случаях, когда необходимо поместить изображающую систему на микродроне или когда ее размер не должен значительно превосходить размер регистрирующей матрицы, целесообразно использовать дифракционную оптику. У дифракционных линз есть ряд преимуществ — малый вес, малые габариты, однако есть и недостатки, такие как хроматические аберрации и малая дифракционная интенсивность.
Цель — провести моделирование матричного гиперспектрометра, размеры которого будут достаточно маленькими.
Методы. Моделирование производится путем трассировки лучей через матричный гиперспектрометр, на основе кольцевой изображающей системы с гармонической линзой. Схематично фазовая функция представлена на рис. 1, а.
Рис. 1. Схематичный вид фазовой функции матричного гиперспектрометра 2×2 (а), восстановленные нейронными сетями и исходный спектры (б)
Лучи, которые испускает точечный источник света, проходят через моделируемый гиперспектрометр и попадают на регистрирующую матрицу. Каждая кольцевая изображающая система имеет три гармоники в видимом световом диапазоне, которые фокусирует на регистрирующую матрицу. Однако выходной спектр нуждается в корректировке, которую могут осуществлять нейронные сети.
Результаты. Предложен вид гиперспектрометра, который состоит из матрицы кольцевых изображающих систем с гармонической линзой. Такой подход позволит существенно уменьшить габариты гиперспектрометра. Нейронные сети прямого распространения позволят восстанавливать полученный спектр до исходного. Полученные результаты ошибки представлены в табл. 1.
Таблица 1. Среднеквадратичная ошибка на тестовой выборке
Версия нейронной сети | Среднеквадратичная ошибка на тестовой выборке |
Первая нейронная сеть | 0,002741 |
Вторая нейронная сеть | 0,000268 |
Третья нейронная сеть | 0,000131 |
Выводы. Предложенный подход может существенно уменьшить габариты гиперспектрометров. Предложенные нейронные сети могут восстанавливать полученный спектр с ошибкой не более 0,002741.
Об авторах
Илья Сергеевич Пронин
Самарский национальный исследовательский университет имени академика С.П. Королева
Автор, ответственный за переписку.
Email: vfrzse4@yandex.ru
студент, группа 6232, институт информатики и кибернетики
Россия, СамараДополнительные файлы
