留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于光谱特性的高判别准确度激光近场探测传感器研究

刘舒扬 张晨 赵安娜 李奇峰 贾晓东

刘舒扬, 张晨, 赵安娜, 李奇峰, 贾晓东. 基于光谱特性的高判别准确度激光近场探测传感器研究[J]. 红外与激光工程, 2020, 49(4): 0403009-0403009-5. doi: 10.3788/IRLA202049.0403009
引用本文: 刘舒扬, 张晨, 赵安娜, 李奇峰, 贾晓东. 基于光谱特性的高判别准确度激光近场探测传感器研究[J]. 红外与激光工程, 2020, 49(4): 0403009-0403009-5. doi: 10.3788/IRLA202049.0403009
Liu Shuyang, Zhang Chen, Zhao Anna, Li Qifeng, Jia Xiaodong. Research on high recognition accuracy laser near field detection sensor based on spectrum characteristics[J]. Infrared and Laser Engineering, 2020, 49(4): 0403009-0403009-5. doi: 10.3788/IRLA202049.0403009
Citation: Liu Shuyang, Zhang Chen, Zhao Anna, Li Qifeng, Jia Xiaodong. Research on high recognition accuracy laser near field detection sensor based on spectrum characteristics[J]. Infrared and Laser Engineering, 2020, 49(4): 0403009-0403009-5. doi: 10.3788/IRLA202049.0403009

基于光谱特性的高判别准确度激光近场探测传感器研究

doi: 10.3788/IRLA202049.0403009
详细信息
    作者简介:

    刘舒扬(1986-),男,高级工程师,硕士,主要从事光谱成像方面的工作。Email:shuyangliu17@163.com

  • 中图分类号: TN209

Research on high recognition accuracy laser near field detection sensor based on spectrum characteristics

  • 摘要: 激光近场探测是激光测量重要的应用方向之一,尤其是基于距离信息的近场探测系统有着巨大的应用前景。传统的激光近场探测系统只依靠距离信息给出信号,而不判别反射距离信号的物体是否为目标,可能导致误报。基于光谱特性进行目标识别会大大减少激光近场测量系统的误报率,极大提高判别准确度。设计实现了一种单芯片的光谱分析器件,利用半导体技术将光谱元件和光电元件进行单芯片的集成,从而减小了传统光谱分析系统的体积和质量。实验结果表明,该微系统级的光谱分析芯片具有识别既定伪装物体的能力,使得该技术具有在激光近场探测中应用的前景。
  • 图  1  典型光谱数据分类识别流程图

    Figure  1.  Typical process of spectral data classification and recognition

    图  2  光谱数据关键技术、光谱数据库及光谱类产品应用关系

    Figure  2.  Key technology of spectral data, spectral database and application relationship of spectral products

    图  3  光谱传感器芯片设计制造流程

    Figure  3.  Spectrum sensor chip design and manufacturing process

    图  4  光谱分析滤波器仿真设计结果

    Figure  4.  Results of spectral analysis filter simulation design

    图  5  RGB标准相机拍摄塑料树叶与活体树叶照片

    Figure  5.  Plastic leaves and living leaves picture shoot by RGB standard camera

    图  6  光谱传感器实物图

    Figure  6.  Physical drawing of spectral sensor

    图  7  光谱传感器量子效率响应曲线

    Figure  7.  Quantum efficiency response curve of spectral sensor

    图  8  伪装物识别结果

    Figure  8.  Camouflage recognition results

    表  1  激光近场探测中的光谱照明方案对比

    Table  1.   Comparison of spectral illumination schemes in laser near field detection

    Lighting methodPassiveInitiative
    SunlightBroad spectrum
    light source
    Laser
    Identification typeNumerousNumerousLess
    Application EnvironmentLimitedUnlimitedUnlimited
    ComplexityLowHighLow
    ConcealmentHighLowModerate
    下载: 导出CSV
  • [1] 陈慧敏, 贾晓东, 蔡克荣. 激光引信技术[M]. 北京: 国防工业出版社, 2016.

    Chen Huimin, Jia Xiaodong, Cai Kerong. Laser Fuze Technology[M]. Beijng: National Defence Industry Press, 2016. (in Chinese)
    [2] 吕华, 姚宏宝, 陈平. 大视场激光引信探测目标识别方法研究[J]. 红外与激光工程, 2005, 34(4): 52−54.

    Lv Hua, Yao Hongbao, Chen Ping. Target identifying of large visual angle to the laser fuse [J]. Infrared and Laser Engineering, 2005, 34(4): 52−54. (in Chinese)
    [3] Gowen A A, O"Donnell C P, Cullen P J, et al. Hyperspectral imaging – an emerging process analytical tool for food quality and safety control [J]. Trends in Food Science & Technology, 2007, 18(12): 590−598.
    [4] Heikki Saari, Ismo Pellikka, Liisa Pesonen, et al. Unmanned Aerial Vehicle (UAV) operated spectral camera system for forest and agriculture applications[C]// Proc SPIE, Remote Sensing for Agriculture, Ecosystems, and Hydrology XIII, 2011, 8174: 81740H.
    [5] 许洪, 王向军. 多光谱、超光谱成像技术在军事上的应用[J]. 红外与激光工程, 2007, 36(1): 13−17.

    Xu Hong, Wang Xiangjun. Applications of multispectral/hyperspectral imaging technologies in military [J]. Infrared and Laser Engineering, 2007, 36(1): 13−17. (in Chinese)
    [6] Eismann M T, Seldin J H, Schwartz C R, et al. Target detection in desert backgrounds: infrared hyperspectral measurements and analysis[C]// Proc SPIE-The International Society for Optical Engineering, 1995, 2561: 80-97.
    [7] Liu Shuyang, Zhang Chen, Zhang Yunhao, et al. Miniaturized spectral imaging for environment surveillance based on UAV platform[C]// AOPC 2017, Proceedings of Optical Spectroscopy and Imaging, 2018: 10461.
    [8] Nicolaas Tack, Andy Lambrechts, Philippe Soussan, et al. A compact, high-speed, and low-cost hyperspectral imager[C]// Proc SPIE, Silicon Photonics VII, 2012, 8266: 82660Q.
    [9] Bert Geelen, Nicolaas Tack, Andy Lambrechts. A compact snapshot multispectral imager with a monolithically integrated per-pixel filter mosaic[C]//Proc SPIE, Advanced Fabrication Technologies for Micro/Nano Optics and Photonics VII, 2014, 8974: 89740L.
    [10] Bert Geelen, Nicolaas Tack, Andy Lambrechts. A snapshot multispectral imager with integrated tiled filters and optical duplication[C]// SPIE, Advanced Fabrication Technologies for Micro/Nano Optics and Photonics VI, 2013, 8613: 861314.
  • [1] 张忆南, 孙闻, 莫德锋, 徐勤飞, 李雪.  透明材料的激光标刻工艺 . 红外与激光工程, 2022, 51(5): 20210416-1-20210416-6. doi: 10.3788/IRLA20210416
    [2] 杨彦伟, 张丽丽, 郝晓剑, 张瑞忠.  机器学习结合激光诱导击穿光谱技术铁矿石分类方法 . 红外与激光工程, 2021, 50(5): 20200490-1-20200490-8. doi: 10.3788/IRLA20200490
    [3] 马维喆, 董美蓉, 黄泳如, 童琪, 韦丽萍, 陆继东.  激光诱导击穿光谱的飞灰碳含量定量分析方法 . 红外与激光工程, 2021, 50(9): 20200441-1-20200441-10. doi: 10.3788/IRLA20200441
    [4] 陶兆禾, 郑慧茹, 秦柳燕, 廖景荣, 徐媛媛, 王亚伟.  前后向散射特征分析下的白细胞亚型分类识别仿真研究 . 红外与激光工程, 2019, 48(5): 533001-0533001(8). doi: 10.3788/IRLA201948.0533001
    [5] 字崇德, 李昀谦, 祖永祥, 陈林森, 曹汛.  多传感器光谱视频成像系统中的图像对齐研究 . 红外与激光工程, 2019, 48(6): 603019-0603019(8). doi: 10.3788/IRLA201948.0603019
    [6] 张晨, 刘舒扬, 赵安娜, 王天鹤, 贾晓东.  基于小型化便携式光谱成像技术的分类识别系统研究 . 红外与激光工程, 2019, 48(10): 1023001-1023001(6). doi: 10.3788/IRLA201948.1023001
    [7] 丘文夫, 林中晞, 苏辉.  单片集成的低暗电流1.3 μm激光二极管和探测器芯片 . 红外与激光工程, 2018, 47(12): 1220003-1220003(5). doi: 10.3788/IRLA201847.1220003
    [8] 姜红, 鞠晨阳, 务瑞杰, 范烨, 满吉.  聚类分析法的塑料饮料瓶光谱分析 . 红外与激光工程, 2018, 47(8): 823002-0823002(6). doi: 10.3788/IRLA201847.0823002
    [9] 马艳, 夏果, 黄禅, 王国栋, 金施群.  一种简单精确的CCD阵列光谱仪波长定标方法 . 红外与激光工程, 2018, 47(S1): 147-153. doi: 10.3788/IRLA201847.S117002
    [10] 周木春, 赵琦, 陈延如, 邵艳明.  基于FSVM的转炉终点光辐射状态识别 . 红外与激光工程, 2018, 47(7): 726004-0726004(6). doi: 10.3788/IRLA201847.0726004
    [11] 刘秉义, 庄全风, 秦胜光, 吴松华, 刘金涛.  基于高光谱分辨率激光雷达的气溶胶分类方法研究 . 红外与激光工程, 2017, 46(4): 411001-0411001(13). doi: 10.3788/IRLA201746.0411001
    [12] 张迪飞, 张金锁, 姚克明, 成明伟, 吴永国.  基于SVM分类的红外舰船目标识别 . 红外与激光工程, 2016, 45(1): 104004-0104004(6). doi: 10.3788/IRLA201645.0104004
    [13] 姚官生, 张利学, 张向锋, 张亮, 张磊.  InAs/GaSb超晶格探测器台面工艺研究 . 红外与激光工程, 2015, 44(3): 951-954.
    [14] 李相贤, 王振, 徐亮, 高闽光, 童晶晶, 冯明春, 刘建国.  温室气体及碳同位素比值傅里叶变换红外光谱分析的温度依赖关系研究 . 红外与激光工程, 2015, 44(4): 1178-1185.
    [15] 王文, 高欣, 周泽鹏, 许留洋, 周路, 薄报学.  百瓦级多芯片半导体激光器稳态热分析 . 红外与激光工程, 2014, 43(5): 1438-1443.
    [16] 赵安新, 汤晓君, 宋娅, 张钟华, 刘君华.  光谱分析中Elastic Net 变量选择与降维方法 . 红外与激光工程, 2014, 43(6): 1977-1981.
    [17] 王竹萍, 刘汝卿, 郭仙菊, 张珂殊.  应用于便携式激光雷达测距仪的单芯片全集成前置放大电路系统 . 红外与激光工程, 2013, 42(8): 2050-2054.
    [18] 朱炳金, 林磊, 宋开臣, 王晶.  InSb红外探测器芯片金丝引线键合工艺研究 . 红外与激光工程, 2013, 42(1): 46-50.
    [19] 张永贺, 郭啸川, 褚武道, 艾金泉, 项天宋, 郭乔影, 周毅军, 陈文惠.  基于红边位置的木荷叶片叶绿素含量估测模型研究 . 红外与激光工程, 2013, 42(3): 798-804.
    [20] 程巳阳, 高闽光, 徐亮, 冯明春, 张天舒, 刘建国, 刘文清.  高温气体浓度光谱分析中的温度修正方法 . 红外与激光工程, 2013, 42(2): 413-417.
  • 加载中
图(8) / 表(1)
计量
  • 文章访问数:  801
  • HTML全文浏览量:  396
  • PDF下载量:  45
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-02-14
  • 修回日期:  2020-03-09
  • 刊出日期:  2020-04-01

基于光谱特性的高判别准确度激光近场探测传感器研究

doi: 10.3788/IRLA202049.0403009
    作者简介:

    刘舒扬(1986-),男,高级工程师,硕士,主要从事光谱成像方面的工作。Email:shuyangliu17@163.com

  • 中图分类号: TN209

摘要: 激光近场探测是激光测量重要的应用方向之一,尤其是基于距离信息的近场探测系统有着巨大的应用前景。传统的激光近场探测系统只依靠距离信息给出信号,而不判别反射距离信号的物体是否为目标,可能导致误报。基于光谱特性进行目标识别会大大减少激光近场测量系统的误报率,极大提高判别准确度。设计实现了一种单芯片的光谱分析器件,利用半导体技术将光谱元件和光电元件进行单芯片的集成,从而减小了传统光谱分析系统的体积和质量。实验结果表明,该微系统级的光谱分析芯片具有识别既定伪装物体的能力,使得该技术具有在激光近场探测中应用的前景。

English Abstract

    • 激光近场探测是武器系统的重要组成部分,它的作用是探测、识别目标,适时引爆战斗部,最大限度发挥战斗部威力。主动式近炸探测系统作为激光近场探测技术在弹载平台中应用的主要方式之一,可以在预定距离内探测目标,并在最佳炸点位置处起爆战斗部。目前,这种装置都是可以利用距离信息实现部分判别目标的功能[1]。但这种根据不同距离信息组成阵列后进行分析的目标识别方法本质的作用是抗干扰,而无法从目标识别的角度解决激光近场探测判断真伪目标的问题[2]

      光谱分析技术是一种对于电磁波分析的方法,光谱信息能够反映目标的内部物理、化学成分,从而实现物质的识别。结合传统的空间成像,即可形成光谱成像技术,在不接触目标的情况下检测目标的特征信息,该技术已在食品安全[3]、智慧农业[4]等多个领域应用。除此,高光谱分析技术在军事领域表现出巨大的应用潜力[5],红外光谱技术已实现军事伪装背景下目标检测[6]。基于光谱特性进行目标探测,可以从目标识别的角度,提高激光近场探测的判别准确度。

      传统的高光谱成像系统(Hyper-Spectral Imaging System, HSI)由分立器件组成,为保证空间分辨率和光谱分辨率,引入了物镜、光阑、准直器和各类透镜等光学器件,同时必须考虑各种器件之间的聚焦、准直问题,这就导致传统的HSI系统复杂度很高,体积较大,成本很高,应用范围受到极大限制[7]。随着互补金属氧化物半导体(Complementary Metal Oxide Semiconductor, CMOS)技术的发展,在不久的将来,低成本化、高速和小型化的光谱成像系统逐渐能够实现[8-10]

      文中通过对新型的单芯片式的光谱分析微系统功能进行分析,提出了用该芯片改进识别准确率的激光近场探测总体设计方案,并面向典型的伪装物设计并制造了可用于激光近场探测的光谱分析芯片,并进行测试。实验结果表明,所实现的光谱芯片一方面可以对于RGB成像难以分辨的物体进行准确的目标识别,另一方面在使用指标上也符合激光近场探测的使用环境要求,证实了该项技术在激光近场探测中的应用潜力。

    • 在激光近场探测中引入光谱识别的功能,从系统设计角度出发,主要解决三个问题,即光源的选择、信息处理、光谱分光的方法。文中提出一种适用于激光近场探测的一体式光谱分析传感器,将在第2章专门介绍,即解决在激光近场探测应用环境限制下的光谱分光问题,此章将主要针对光源选择与信息处理进行分析和建议。

    • 激光近场探测中的光谱系统的目的是分析目标的材料属性,近而确定被探测物的材料是否为目标,因此在大多数情况下,需要对反射光谱进行采集,利用反射光谱分析物质属性,而反射光谱在获得的时候需要照明光源。

      一般有两种方式,即依靠环境光源(主要是太阳光)的被动光源和主动制造的光源。被动光源依靠外界环境光,主要是太阳光进行照明,弹载平台本身不需要携带额外的照明设备,增加了可靠性,且太阳光光谱范围广,可以增加目标识别的种类与范围,对激光近场探测的抗干扰能力提升有明显优势,但其使用环境受限,只能在光照充足的时候使用。主动光照式需要弹载平台自身携带照明光源,分为宽谱光源和窄带激光两种,宽谱光源可以以照明弹或者固定光源的形式实现,实现丰富物质种类的判断与识别,窄带激光可以与目前的测距激光共用激光器,再设计和安装的成本都很低,缺点是可识别的种类较少,这几种照明方式的优劣比较如表1所示。

      表 1  激光近场探测中的光谱照明方案对比

      Table 1.  Comparison of spectral illumination schemes in laser near field detection

      Lighting methodPassiveInitiative
      SunlightBroad spectrum
      light source
      Laser
      Identification typeNumerousNumerousLess
      Application EnvironmentLimitedUnlimitedUnlimited
      ComplexityLowHighLow
      ConcealmentHighLowModerate
    • 对于光谱数据典型的处理方法如图1所示,在传统的数据处理流程中,需要先通过暗噪声和入射光的光谱校正来得到目标的反射光谱,由于获得的光谱数据一般维数较多,随后进行包含特征提取与识别、分类器设计、分类决策的标准模式识别流程,然而由于激光近场探测在工作阶段要处于高速判别的状态,传统的数据决策体系很难去适应高速的判别机制,需要在整个流程中加以简化,甚至联合硬件进行优化设计。而笔者在第2章所提出的光谱分析传感器也具有再设计简单的优势,适合针对不同的目标和应用环境进行快速、低成本的设计。

      图  1  典型光谱数据分类识别流程图

      Figure 1.  Typical process of spectral data classification and recognition

      图2展示了基于光谱数据库分析的光谱特征提取算法开发闭环流程,由于在激光近场探测的目标判别中,所需判别的种类与导引阶段相比大大降低,因此需要在弹载平台总体方面给出总体设计,判断清激光近场探测所需解决的目标识别问题的范围,而这一类目标范围是传统依靠距离判断不出来的目标,而光谱作为专业的目标识别手段,在定义清需求后,有很大的概率不需要极其复杂的数据处理算法就可以进行判别,文中第3章就给出了一个这样的例子。

      图  2  光谱数据关键技术、光谱数据库及光谱类产品应用关系

      Figure 2.  Key technology of spectral data, spectral database and application relationship of spectral products

    • 激光近场探测的光谱识别系统对于体积、质量、环境适应性以及成本都提出了较高的需求,体积和质量是保证其能在型号上列装的基本要求,而传统的利用独立光学元器件以及光路进行分光的方法(如棱镜、光栅等),一方面会在不同的温度条件下发生细微的形变,从而使得光学性能变差,另一方面,系统自身的抗振能力很差,需要有额外的机械结构减小振动对其的影响,导致系统的复杂度和成本进一步提升。

      借助先进的半导体加工技术,将传统的滤波器件在传感器层面上实现集成,从而形成的具备光学、光电和电学的一体式光谱分析芯片可以很好地满足激光近场探测对于光谱分析系统的要求。首先,由于将光谱分光器件和光电传感器直接芯片化,该系统在体积和质量上与传统的激光测距收发分系统是同等级别,不增加额外的体积与质量;其次,在环境适应性方面,由于分光元器件一体化的集成在光电器件上,使得该器件对于振动有很好的抗性,光程方面,可以采取薄膜滤光的方式,减小总光程,从而使系统对于温度的适应性提高;最后,借助半导体的批量加工技术以及多项目晶元(Multi Project Wafer, MPW)技术,一方面可以通过大批量生产平摊成本,一方面也可以在同一批次加工中生产出不同指标的传感器,从而在不同的项目间实现成本的平摊。

      薄膜式的滤光器件由于需要在传感器上直接进行加工,因此要求其使用的材料是CMOS工艺兼容的,且加工时由于要在传感器之上进行加工,需要加工工艺不要有超过400 ℃的步骤,整个制造过程如图3所示。

      图  3  光谱传感器芯片设计制造流程

      Figure 3.  Spectrum sensor chip design and manufacturing process

      在文中,利用塑料的树叶模拟伪装物,进行光谱的设计,塑料树叶由于没有叶绿素的存在,在700 nm后没有典型的叶绿素高台阶效应,因此,选择750 nm作为目标波长,利用法布里-珀罗干涉(Fabry-Perot Interferometer,FP)腔原理,选取CMOS兼容材料,进行FP腔设计及透射率仿真,仿真结果如图4所示,设计时所用的塑料树叶与活体树叶的混合拍照如图5所示,从图中可以看出,在RGB相机下,很难区分树叶的真伪,塑料也是常用的伪装物之一。

      图  4  光谱分析滤波器仿真设计结果

      Figure 4.  Results of spectral analysis filter simulation design

      图  5  RGB标准相机拍摄塑料树叶与活体树叶照片

      Figure 5.  Plastic leaves and living leaves picture shoot by RGB standard camera

    • 按照第2章的模拟设计,在标准的图像传感器上进行反伪装膜系的生长,最终所得的传感器如图6所示,利用Enlitech MV-IS图像感测器光电测试系统进行测试,结果如图7所示,芯片主要的详细指标如下:

      像素数,2 592×1 544;光谱中心波长,710 nm;光谱分辨率,优于20 nm;像素尺寸,1.12 μm;功耗,小于160 mW。

      图  6  光谱传感器实物图

      Figure 6.  Physical drawing of spectral sensor

      图  7  光谱传感器量子效率响应曲线

      Figure 7.  Quantum efficiency response curve of spectral sensor

      值得一提的是,图7可以看出所制造的光谱传感器,量子效率的峰值可以达到40%,该数值不是传统意义的量子效率还有部分的光谱分光效率加入进行的综合考虑,并且是在1.12 μm的像元尺寸限制下。但是该传感器的峰值响应波长由750 nm漂移到710 nm,出现了40 nm的谱线漂移,这部分漂移是由于硅片与传感器晶圆的不同所导致的,因为在工艺摸索阶段,制造工艺是在硅片上进行,而实际加工过程中是在传感器晶圆上进行,这部分可以在明确总体的要求后,通过反复的进行工艺优化,达到准确的光谱定位。

    • 由于所制造的芯片具有成像效果,因此,将其与成像镜头及图像采集电路集成为一台小型的单谱段光谱相机进行测试,相对于单色相机,其具有较窄的光谱滤波能力,因此可以区分部分特定的伪装目标。

      选取与图5拍摄相同的光照环境,即在同一时刻的户外自然光照条件下,对于图5的叶子进行拍照,得到图8所示的光谱图像。可以很直观的看出第一排的第三片,第二排的第四、第七片由于是塑料叶片,没有叶绿素的高反射平台,在该传感器芯片中心波长附近透射范围具有较低的反射率,光谱图像明显暗于其他的活体树叶。

      图  8  伪装物识别结果

      Figure 8.  Camouflage recognition results

      图8是没有经过任何图像处理算法的原始数据,且光照环境不受控制的真实环境中拍摄,这样可以更好的验证该项技术的潜力,可以在测距以外通过光谱反射强度的信息,对物体进行初步的判别。

    • 文中主要实现了一种具有在激光近场探测中配备潜力的一体式单谱段光谱传感器设计,该传感器具有小型化、低成本化、低功耗的特点,打破了传统光谱分析系统不能在激光近场探测中使用的限制,为激光近场探测增加了具有高判别准确度的目标识别功能。利用该传感器进行真假绿植叶片反伪装实验,根据真假绿植叶片光谱特性差异,获得了可直观的反映出叶片真假的光谱图像。通过模拟仿真、试制和测试,所制造的光谱传感器既具有较高的光谱分辨率,又具备识别既定目标的能力,为激光近场探测利用距离外的信息进行目标识别奠定了基础。

参考文献 (10)

目录

    /

    返回文章
    返回