基于卷积神经网络的涡旋光束拓扑荷数估算
摘要
提出了一种基于卷积神经网络并用于估算受像散透镜影响的涡旋光束拓扑荷数的方法。将携带不同拓扑荷数的涡旋光束经过不同像散程度的透镜所产生的衍射光斑图片作为数据集，分别输入到VGG、AlexNet、ResNet-18、ResNet-34、ResNet-50和Xception等6种经典的神经网络模型中，采用特异度、精确率、召回率、F1分数以及准确率作为衡量网络模型估算结果的评估函数，分别对整张光斑图片以及部分光斑图片的拓扑荷数进行估算。结果表明，采用所提方法对拓扑荷数的估算都取得了良好效果。相比于其他网络模型，VGG网络模型在此估算任务上表现更好，对拓扑荷数的估算准确率达到了99%以上。这表明使用所提方法估算经过像散透镜后涡旋光束所携带的不同拓扑荷数是可行的，该方法可进一步应用在光束通过光学系统传输的特征识别领域。
引用本文（GB/T 7714）
蒋金洋 Jiang Jinyang, 刘晓云 Liu Xiaoyun, 陈永豪 Chen Yonghao, 等. 基于卷积神经网络的涡旋光束拓扑荷数估算[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。