《Optics and Lasers in Engineering》：A low-cost fiber-optic temperature sensor utilizing integrated sensing and leaky mode specklegram analysis
编辑推荐：
光纤传感器在复杂环境中的高灵敏度使其重要，但成本、体积和可扩展性难以兼顾。本研究提出集成光纤传感方法，利用渐缩光纤段生成泄漏模 speckle 模式，通过优化几何参数和热敏涂层实现温度响应调控。实验验证温度与 specklegram 特征直接相关，采用 Xception 神经网络模型实现温度反演，系统模块化设计支持多传感模式扩展，有效突破传统成本、体积与可扩展性间的权衡。
刘颖|王炬|方启蕾|张凯|李玉卓|门一帆|于曼|范红|兰天云|贾友|李西胜|陈洪兵
北京科技大学自动化与电气工程学院工业光谱成像工程研究中心，中国北京100083
摘要
光纤传感器对物理、化学和生物变化具有高度敏感性，使其在复杂环境中进行精确测量变得至关重要。然而，同时实现成本效益、小型化和可扩展性仍然具有挑战性。为了解决这个问题，本文提出了一种集成光纤传感方法。该方法使用锥形光纤段产生泄漏模式散斑图案，并优化了几何参数和热敏涂层，以调节泄漏强度和空间分布，从而响应温度变化。实验结果证实，在5°C至80°C的温度范围内，散斑图特征与温度之间存在直接相关性。基于Xception卷积神经网络的深度学习模型用于温度反演。该模块化系统设计允许通过修改材料或探测器来适应其他传感模式，同时保持核心功能。这种方法克服了成本、尺寸和可扩展性之间的传统权衡，展示了其在实际应用中的强大和多功能性能。
引言
光纤作为现代通信的关键介质，凭借其高带宽、低衰减和抗电磁干扰的能力，彻底改变了数据传输方式。光纤技术的进步使其应用范围从传统的信号传输扩展到先进的传感领域，从而催生了光纤传感技术[[1], [2], [3]]。这项技术利用光纤对温度、应变、扭转、弯曲和折射率（RI）的高敏感性，实现了在工业、医疗、航空航天和能源等领域的精确实时监测。
传统的干涉式光纤传感器依赖于干涉光谱的共振峰解调[4,5]。然而，这类系统的可扩展性受到传统光谱仪较大体积和笨重的限制，阻碍了它们在智能传感网络、量子平台和下一代能源系统中的集成。目前的研究重点在于开发强调成本效益、灵活性和小型化的解调系统。但这些参数之间的权衡仍然阻碍了紧凑型光纤解决方案的广泛应用，因此小型化成为主要研究方向。
图像处理和人工智能的进步使得光纤散斑图传感器成为有前景的替代方案[6,7]，它们具有简单性、成本效益和高性能。散斑图是由与随机介质（如粗糙表面[8]、多模光纤（MMFs）[[9], [10], [11]]、集成球[12]和光子晶体[13]）相互作用产生的独特强度图案。然而，传统的采集方法通常依赖于笨重的高分辨率显微镜，限制了其实际应用。实现紧凑、灵活且成本效益高的设计仍然是一个关键的工程挑战。
具有直径梯度锥形结构的光纤轴锥已成为精确光场操控的有效工具，具有可调的色散和紧凑的形状因子[14,15]。它们能够在受限的空间区域内高效生成泄漏模式。传统的制造技术（包括热拉伸和化学蚀刻）在几何再现性和环境可持续性方面存在挑战[16,17]。此外，传统光纤系统中传感和检测组件的分离继续阻碍了集成和小型化。
本研究介绍了一种集成的温度解调方法，具有低成本、紧凑和可扩展的设计。采用互补金属氧化物半导体（CMOS）成像传感器记录由光纤锥体产生的泄漏模式散斑图案，其中图案动态受温度敏感介质的折射率控制，该介质对环境变化作出响应。这种配置无需外部仪器即可实现单次拍摄散斑图，将传感和检测集成在一个单元中。利用基于Xception架构的深度学习模型提取温度信息，该模型经过训练可将温度变化映射到相应的散斑图特征。所提出的光纤温度传感器在可穿戴电子设备、微流控系统和原位生物医学诊断中展现出巨大潜力。
章节摘录
原理与制造
所提出的温度解调系统由三个主要组件组成：宽带光源（BBS）、集成光纤传感和测量模块以及信号处理单元（图1(a)）。集成光纤模块包括一个光纤锥体探头、一种温度敏感介质（紫外固化胶）和一个互补CMOS图像传感器（图1(b)）。探头由多模光纤（MMF）、无芯光纤（NCF）和具有截锥几何形状的锥形光纤锥体组成。
实验
为了验证集成光纤传感单元，建立了一个温度数据收集框架，该框架结合了环境控制子系统和精密测量设备（图4(a)）。热调节系统包括一个热电冷却器、一个负温度系数热敏电阻和一个热电冷却器控制器，能够精确调节光纤模块的温度。参考测量使用PT1000传感器和6.5位数字设备进行。
结论
基于干涉术的光纤传感器需要持续监测共振峰位移，通常依赖光谱仪进行解调。传统光谱仪的尺寸、成本和操作复杂性限制了这些系统的进步。为了解决这些问题，开发了一种基于深度学习的解调方法，该方法利用光纤散斑分析。实验结果证明了其在温度监测方面的有效性，并表明了其潜力。
数据可用性
本文所述结果的数据目前尚未公开，但可根据合理请求从作者处获取。
作者贡献声明
刘颖：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、软件开发、方法论研究、资金获取、数据分析、概念构思。王炬：撰写 – 原稿、可视化、验证、监督、资源协调、项目管理、方法论研究、资金获取、撰写 – 审稿与编辑。方启蕾：可视化、验证、软件开发、方法论研究、数据分析。张凯：
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。
致谢
作者感谢国家重点研发计划（2024YFC3015200）、国家自然科学基金（62105020）、河北省高等学校科研项目（QN2023118）、深圳市科技计划（KJZD20231023093057005）、廊坊市科技研发计划（2025011016）以及中央高校基本科研业务费的支持。
