《Optics and Lasers in Engineering》:Reflective line-scanning continuous-wave terahertz imaging
编辑推荐:
本研究开发了一种基于线性阵列探测器的反射式连续波太赫兹(CW-THz)线扫描成像系统,通过双测量模式实现二维样品结构特征的快速全面检测,并采用标准U-Net卷积神经网络校正成像失真、提升图像质量,成功应用于隐蔽物体非侵入式检测,为CW-THz技术的工程化应用提供了新方案。
作者:方壮壮、王新科、何泽豪、潘京义、王东、岳双林、张艳
中国北京市首都师范大学物理系,教育部太赫兹光电子学重点实验室,太赫兹材料与器件北京重点实验室,邮编100048
摘要
连续波太赫兹(CW-THz)成像为工业检测提供了强大的工具。本文通过合理设计光学配置,使用线性阵列探测器构建了一个反射式线扫描CW-THz成像系统。通过反射测量中的两种模式,可以快速且全面地确定样品的结构细节。为了校正测量中的成像失真并提高图像质量,应用了标准的U-Net卷积神经网络(CNN)。大量实验也证明了该系统在成像隐藏样品方面的能力。这项工作为推进CW-THz技术的应用价值提供了潜在的解决方案。
引言
作为远红外检测领域的一项新技术,太赫兹(THz)成像因其独特的特性(包括非电离性质和材料穿透能力)而受到广泛关注[[1], [2], [3]]。这些特性为太赫兹技术作为工业检测工具奠定了坚实的基础[[4], [5], [6], [7], [8]]。在大量深入研究[[9], [10], [11], [12], [13]]的推动下,太赫兹技术已经取得了显著发展。在各种技术解决方案中,连续波太赫兹(CW-THz)成像技术因其操作便捷性和鲁棒性而在工业检测中展现出巨大潜力[[14], [15], [16], [17]]。太赫兹辐射源和探测器的进步显著提升了CW-THz成像的实用性。最近,基于线性阵列探测器的线扫描CW-THz成像系统展示了显著优势[18]:与单像素探测器系统相比,它的数据采集速度更快,并且线性阵列探测器比二维(2D)阵列探测器更具成本效益,同时仍能方便地与线聚焦太赫兹光斑对齐,实现大面积成像。为了更好地利用线性阵列探测器的优势,研究人员开发了几种新的检测系统。2021年,A.V. Shchepetilnikov等人建立了一个透射式线扫描CW-THz系统,并展示了其在无损检测和安全筛查中的应用[19]。2023年,S.L. Liu等人提出了一种基于线性阵列检测的太赫兹压缩感知成像技术,仅需16%的采样率即可实现高保真重建[20]。2023年,Z.C. Chen等人采用改进的跨层卷积神经网络(CNN)处理来自线扫描系统的太赫兹图像,显著提高了模糊图像的识别精度[21]。2024年,H. Hu等人使用3D打印组件构建了一个太赫兹三维(3D)线扫描成像系统,实现了无透镜的3D扫描成像[22]。然而,这些线扫描系统主要工作在透射模式下,对于实际应用来说这种配置结构不够便捷。
在这项工作中,开发了一种反射式线扫描CW-THz成像系统,用于对目标样品进行二维测量。应用CNN校正图像失真,显著提高了图像质量。该方案实现了对隐藏物体的无损检测,为提升CW-THz成像的检测能力提供了潜在的技术解决方案。
实验配置
所提出的反射式线扫描CW-THz成像系统有两种测量模式。如图1(a)所示,在模式1中,使用了一个输出功率为15.45 mW的0.32 THz发射器(成都泰博来科技有限公司,型号TBL-AMC-321,019–2401)。在输出法兰上安装了一个5 × 5 mm2的方形孔径的喇叭天线,生成了发散角为31.2°的太赫兹光束。该太赫兹光束通过高密度聚乙烯(HDPE)透镜进行准直。
样品测量
为了评估成像系统的可行性,使用了一个不锈钢字母“E”(尺寸:20 mm×12 mm,线宽:4.5 mm)作为样品,如图4(a)所示。样品分别在X轴和Y轴上以0.5 mm的步长进行栅格扫描。扫描范围为50 mm×50 mm,整个测量过程耗时约25秒,采集速率为每秒8条线。得到的太赫兹图像显示在图4(b)和4(c)中。
讨论
太赫兹辐射源、探测器及相关技术的成熟促进了太赫兹技术从实验室研究向实际应用的转变。在各种太赫兹技术中,连续波太赫兹(CW-THz)成像因其操作便捷性而成为最具应用前景的技术之一。先前的研究表明,使用线性阵列探测器可以显著提升CW-THz成像系统的性能,因为它具有快速的数据采集能力。
结论
本文利用线性阵列探测器开发了一种反射式线扫描CW-THz成像系统。通过采用两种不同的测量模式,该系统在反射架构内全面表征了样品的二维结构细节。应用标准的U-Net CNN提高了图像质量和系统的整体实用性。基于该方案,实现了对隐藏物体的无损检测。这项工作对于提升太赫兹成像的检测能力具有价值。
资助信息
国家自然科学基金(项目编号:62275175, 12174271);北京市自然科学基金(项目编号:QY24307);中德科学基金中心的中德合作项目(项目编号:M-0225)。CRediT作者贡献声明
方壮壮:撰写——原始稿件、可视化、软件设计、方法论、实验研究、数据分析。
王新科:撰写——审稿与编辑、撰写——原始稿件、项目监督、方法论、实验研究、资金申请、数据分析、概念构思。
何泽豪:撰写——审稿与编辑、软件设计、方法论。
潘京义:实验研究。
王东:撰写——审稿与编辑、资金申请。
岳双林:撰写——审稿与编辑、方法论。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。