近年来受昆虫复眼的启示，人工仿生复眼以其小体积、无失真成像、宽视场和高活络运动盯梢才能等共同光学成像计划，在战胜现有成像器材大、笨、重等局限性，进步医学内窥镜查看、全景成像、微导航和机器人视觉功能方面呈现出极大优势，招引了渐渐的变多的重视。
现有的人工仿生复眼制作首要面对两个应战：一是现有的工艺较为杂乱，制作功率有限，难以达到商用的规范；二是人工仿生复眼曲面特性与商用的平面成像传感器不匹配，导致两者难以集成。
鉴于此，吉林大学陈岐岱教授课题组提出了一种湿法辅佐的全息激光加工的办法，以定制化制备仿生复眼及大面积转写的办法极大的提升了人工仿生复眼的加工功率，一起和AI办法相结合，从算法上处理了人工仿生复眼与平面成像传感器不匹配的难点。
试验上先选用未经空间光场调制器（SLM）调制的飞秒激光在石英衬底标明上进行曝光，使用湿法刻蚀的办法形成了复眼主透镜；再使用SLM对飞秒激光进行分束，结合湿法刻蚀完成复眼中多个小眼的并行加工；经过聚二甲基硅氧烷（PDMS）微纳结构转写技能，可完成大规模出产复眼微透镜阵列。该办法制备的复眼微透镜阵列具有较高分辨率、宽视场的特性。为战胜人工仿生复眼难以与平面相机集成的问题，经过选用生成对立网络（GAN）完成了高质量图画重建，为未来器材集成打下根底。
全息激光加工技能制作的杂乱的光学器材是可扩展的。为处理工艺的杂乱性和耗时性，图2展现了使用石英玻璃基的复眼微透镜作为硬模板大规模量产聚二甲基硅氧烷（PDMS)的软微型光学元件。在此过程中，微光学元件仍然坚持了高表面上的质量（扫描电子显微镜图2a及三维景深图画图2b）。
弧形概括使复眼具有大视界，但一起也约束了其聚集方位，只能定位在一个曲折的焦平面上。关于真实的生物复眼来说，有一根光纤能够接纳光线并将其直接导入视网膜。但是，这很难与现在的传感器程序兼容，也很难在芯片上集成光学元件和探测器。理论上，每个小透镜的参数，包含高度、曲率和焦距，都应从头规划，但很难依据平面在曲线概括上的方位来确认平面。为此，咱们提出了一种根据生成对立网络（GAN）的深度学习算法，用于图画处理。在这项研讨中，咱们使用了两个神经网络来最大化判别器的生成才能并最小化其丢失函数，而判别器则被训练成最大化其丢失函数。如图3a所示，神经网络经过训练后，可经过图3c所示的图画对一切眼睛进行图画恢复。图画恢复与入射波长、资料折射率或单透镜厚度无关。有了这项技能，复眼成像能够保存大视界，并明显进步图画质量，使其适用于更广泛的使用场景（图3b）。
本研讨提出了高效飞秒全息激光制备人工仿生复眼的办法，引入了人工智能办法对图画进行反向重建，处理了人工仿生复眼制作功率低的痛点问题，为未来人工仿生复眼与平面成像传感器匹配集成打下根底。（来历：先进制作微信大众号）
京ICP备14028625号-2
