近紅外InGaAs智能光譜傳感器設(shè)計(jì)實(shí)現(xiàn)

第第頁近紅外InGaAs智能光譜傳感器設(shè)計(jì)實(shí)現(xiàn)傳統(tǒng)的光譜儀具有體積龐大、集成度低、邊緣計(jì)算智能性差等缺點(diǎn)，從而限制了近（紅外）光譜技術(shù)的應(yīng)用。與尺寸的縮小相比，（人工智能）（（AI））分析模型在光譜設(shè)備中的片上集成對非專業(yè)用戶來說更為重要。另外，InGaAs（光電）（探測器）在近室溫下從可見光到短波紅外波段具備優(yōu)異的探測性能，在近紅外光譜中發(fā)揮著重要作用。

據(jù)麥姆斯咨詢報(bào)道，近日，同濟(jì)大學(xué)精密（光學(xué)）工程技術(shù)研究所和中國科學(xué)院上海技術(shù)物理研究所的聯(lián)合科研團(tuán)隊(duì)在（Ad）vancedPhoton（ic）sResearch期刊上發(fā)表了以“Near-InfraredInGaAs（Intel）ligentSpectralSens（or）by3DHe（te）rogeneousHybridIntegra（ti）on”為主題的論文。該論文的共同第一為同濟(jì)大學(xué)王緒泉和董思禹，通訊為上海技物所黃松壘副研究員、同濟(jì)大學(xué)董思禹和程鑫彬教授。

該研究論文報(bào)道了利用邊緣AI分析模塊與InGaAs光譜（傳感器）的單片集成，實(shí)現(xiàn)了一種近紅外（智能）光譜傳感器。研究人員基于先進(jìn)的三維異質(zhì)混合集成技術(shù)，開發(fā)了一種片上InGaAs智能光譜傳感器，該傳感器由用于波長選擇的線性可變?yōu)V光片（LVF）、作為探測器的線性焦平面陣列（FPA）以及用于（神經(jīng)網(wǎng)絡(luò)）推理的（芯片）（處理器）共同組成。這種邊緣AI光譜傳感器打破了傳統(tǒng)器件對外部（算法）的依賴，為近紅外光譜技術(shù)向小型化、集成化、智能化方向發(fā)展鋪平了道路，也為與（消費(fèi)電子）設(shè)備和（物聯(lián)網(wǎng)）（（IoT））的結(jié)合帶來了更多機(jī)遇。

InGaAs智能光譜傳感器的原理

這項(xiàng)研究提出的InGaAs智能光譜傳感器由三部分組成，即可調(diào)諧波長的LVF、獲取相應(yīng)光譜（信號）的InGaAsFPA以及（嵌入式）分析模型的AI芯片。圖1a展示了該光譜傳感器的結(jié)構(gòu)和（工作原理）。其中LVF是采用高能物理氣相沉積工藝沉積的薄膜濾光片，其中心波長在900nm~1700nm之間隨位置線性變化。

圖1InGaAs智能光譜傳感器原理圖以及基于AI識別模型的片上集成流程圖

由于LVF和光敏元件采用非硅材料制備，因此設(shè)計(jì)了用于將各種材料、工藝和功能元件垂直堆疊連接起來的異質(zhì)混合集成的三維結(jié)構(gòu)。這種三維結(jié)構(gòu)將使摩爾定律擴(kuò)展到更高的密度、更高的功能、更高的性能，以及更多樣化的材料和器件，并且以更低的成本實(shí)現(xiàn)集成。此外，這種結(jié)構(gòu)也為研究人員在讀出（集成電路）（ROIC）與AI芯片中不同的CMOS制造工藝提供了靈活的選擇。

基于近紅外光譜的AI分析模型的片上集成是智能光譜傳感器發(fā)展的關(guān)鍵環(huán)節(jié)，具體流程如圖1b所示。

InGaAs智能光譜傳感器的性能

光譜性能

在實(shí)際應(yīng)用之前，研究人員首先分析了該光譜傳感器的實(shí)際光譜性能，相關(guān)結(jié)果如圖2所示。圖2a和圖2b展示了900nm~1700nm范圍中部分像素對單色光的歸一化光譜響應(yīng)，具有典型的洛倫茲-高斯分布（Lorentz–Gaussdistribution）帶通特征，且截止值小于OD2。圖2d展示了所有可用像素的半峰全寬（FWHM）。該光譜傳感器的基本性能可以與商用InGaAs便攜式光譜儀相媲美。

圖2InGaAs智能光譜傳感器的光譜性能

綠茶摻糖的光譜（檢測）

隨后，研究人員利用該光譜傳感器和片上識別模型，對不同比例的糖和茶的混合物進(jìn)行了分類。圖2f顯示了在訓(xùn)練集和驗(yàn)證集中具有不同蔗糖含量的120個(gè)樣本的原始光譜。這些樣本的光譜曲線顯示了綠茶的典型植物特征光譜，這與該研究早期工作以及其他研究中商用儀器所測量的光譜一致。

建模結(jié)果與邊緣識別

在這項(xiàng)研究中，研究人員還想要證明部署于邊緣（集成在傳感器中）的（深度學(xué)習(xí)）光譜分析模型可以達(dá)到與部署于計(jì)算機(jī)的傳統(tǒng)算法相同的效果。首先，建立基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的綠茶摻糖識別模型，并在計(jì)算機(jī)上進(jìn)行了驗(yàn)證。隨后，將驗(yàn)證后的模型進(jìn)一步部署到集成于InGaAs光譜傳感器的芯片處理器上，用于綠茶摻糖的邊緣識別。相關(guān)結(jié)果如圖3所示。

圖3建模和邊緣識別結(jié)果

綜上所述，研究人員將具有AI分析模型的（ARM）Cortex-M7芯片嵌入到基于LVF和線性FPA的光譜傳感器中，開發(fā)了一種InGaAs智能光譜傳感器?；诋愘|(zhì)混合集成的三維結(jié)構(gòu)在900nm~1700nm范圍內(nèi)單次快照即可獲得超過200個(gè)光譜分辨率為中心波長的1.25%的光譜通道，并可選擇輸出原始光譜或即時(shí)識別結(jié)果。作為邊緣AI應(yīng)用的證明，該光譜傳感器對綠茶摻糖進(jìn)行了實(shí)驗(yàn)檢測，實(shí)時(shí)識別準(zhǔn)確率大于90%。該智能光譜傳感器打破了對近紅外光譜外部算法的依賴，可以為原位分析和現(xiàn)場測量提供即時(shí)和參考性結(jié)果