La fibra ottica, in quanto vettore di base delle moderne comunicazioni ad alta velocità e ad alta capacità, è la chiave per l'interconnessione del mondo. Con il rapido sviluppo del settore delle comunicazioni negli ultimi decenni, la normale fibra ottica monomodale non è più in grado di soddisfare le esigenze speciali di varie applicazioni industriali, quindi una serie di fibre ottiche con strutture interne complesse, come fibre a mantenimento della polarizzazione, multi- le fibre centrali, le fibre a cristalli fotonici e altre fibre ottiche speciali nate nei campi civile e militare sono indispensabili.

La varietà di queste fibre speciali e le loro complesse strutture interne hanno limitato in una certa misura il monitoraggio della produzione, la giunzione delle fibre e la lavorazione micro-nano. I metodi esistenti come l'ispezione end-view, l'olografia digitale, la tomografia ottica, l'osservazione della polarizzazione mediante tracciamento dell'effetto lente e l'imaging a diffusione gaussiana presentano problemi specifici che non soddisfano le esigenze attuali.

In un nuovo articolo pubblicato su Light:Advanced Manufacturing , un team di scienziati, guidato dal professor Fei Xu del College of Engineering and Applied Sciences and Collaborative Innovation Center of Advanced Microstructures, Nanjing University, Cina, e colleghi hanno sviluppato un metodo per utilizzare il raggio di Bessel (una luce strutturata) come sorgente luminosa di illuminazione e trasmissione dal lato di una fibra a sette core per eseguire l'imaging (mostrato nella Figura 1).

I vantaggi dell'illuminazione a raggio Bessel rispetto ai metodi tradizionali vengono verificati mediante il metodo di correlazione digitale e allo stesso tempo, combinato con il metodo di deep learning, viene realizzata una misurazione ad alta precisione della struttura interna della fibra ottica a sette core.

Studi di simulazione mostrano che la proprietà di autoriparazione del fascio di Bessel, come luce strutturata senza diffrazione, fornisce una lunga profondità di fuoco nel mezzo di diffusione, con conseguente minore dispersione, pattern del nucleo della fibra più nitidi e un contrasto dell'immagine più elevato nel fascio di Bessel imaging basato sull'illuminazione. Inoltre, i raggi Bessel forniscono un effetto unico quando si trasmette un oggetto fuori asse con un mezzo trasparente interno con un indice di rifrazione variabile (come mostrato nella Figura 2), che produce due percorsi di rifrazione con diverse curvature di flessione.

Sulla base delle due caratteristiche precedenti, rispetto all'illuminazione a fascio gaussiano, le immagini dell'illuminazione a fascio Bessel potrebbero vedere più nuclei di fibre durante l'imaging di fibre speciali con angoli di rotazione diversi (mostrati nella Figura 3). Come verificato dal metodo di correlazione digitale, il cambiamento dell'immagine basato sul raggio di Bessel è molto più veloce di quello del raggio gaussiano e la precisione della misurazione è maggiore.

In questo articolo, la precisione delle misurazioni è stata ulteriormente migliorata utilizzando il deep learning. Il modello di deep learning elabora l'immagine catturata e restituisce direttamente l'angolo di rotazione della fibra previsto. Inoltre, i ricercatori hanno anche raccolto immagini di fibre diverse da quelle della fibra utilizzata per creare il database di addestramento e le hanno inserite nel modello di deep learning addestrato, i cui risultati di previsione hanno raggiunto anche una buona precisione e accuratezza, indicando che il metodo di deep learning ha una forte capacità di generalizzazione e una buona robustezza nelle applicazioni pratiche.

I risultati mostrano che l'approccio basato sul fascio di Bessel ha un grande potenziale per lo sviluppo di applicazioni per misurazioni precise e non distruttive delle distribuzioni dei nuclei nelle fibre multinucleo e nelle fibre a cristalli fotonici.

Ulteriori informazioni: Liuwei Zhan et al, Misurazione della vista laterale basata su fascio di Bessel della distribuzione dei nuclei interni della fibra a sette nuclei, Luce:produzione avanzata (2023). DOI:10.37188/lam.2024.002

Fornito dall'Accademia cinese delle scienze