近年來，光學成像的新方法迅速發展，其重點是從通常是在二維（2D）圖像捕獲中提取三維（3D）信息。也許最重要的是，計算成像的興起使得光學組件的新物理布局和新算法得以實現。本文關注兩項進展的融合:利用石墨烯光電探測器陣列開發透明焦疊加成像系統，以及包括強大神經網絡開發在內的機器學習功能的快速擴展。本文演示了使用多層前饋神經網絡對點狀對象進行3D跟蹤以及對多點對象的跟蹤位置的擴展。計算機仿真進一步證明了該光學系統如何跟蹤3D擴展對象，凸顯了將納米光子設備，新光學系統設計和機器學習相結合以實現3D成像新領域的希望。
Fig. 1 透明全石墨烯光電探測器陣列焦堆成像系統的概念。
Fig. 2 使用石墨烯檢測器陣列的雙堆棧進行焦點堆棧成像的實驗演示。
Fig. 3 使用焦點堆棧數據對三種不同類型的點對象進行3D點對象跟蹤。
Fig. 4 使用CMOS相機收集的焦點堆棧數據進行3D擴展對象跟蹤及其方向估計。
相關研究成果于2021年由密歇根大學Theodore B. Norris課題組，發表在Nature Communications（https://doi.org/10.1038/s41467-021-22696-x）上。原文：Neural network based 3D tracking with a graphene transparent focal stack imaging system。
轉自《石墨烯雜志》公眾號
.jpg)
