استخراج مشخصۀ يك حسگر ضريب شكست مبتني بر لكۀ خروجي فيبر نوري چند مد با ناحيۀ حساس باريك‌شده با استفاده از يادگيري عميق

در اين مقاله، مشخصات حسگري ضريب شكست مبتني بر تصوير لكۀ خروجي تار نوري چند مد با استفاده از ساختار تار باريك‌شده همراه با يك روش نرم‌افزاري يادگيري عميق استخراج داده شده است. اين ساختار حسگري از يك تار نوري چند مد باريك‌شده متصل به دو تار نوري چند مد استاندارد تشكيل شده است. با وجود امواج ميراشونده پيرامون بخش باريك‌شده، شرايط موجبري ساختار در بخش خروجي به ضريب شكست محيط، وابسته و از اين رو، مدهاي انتشاري و تصوير حاصل از تداخل آنها حساس به تغييرات محيط مي‌شوند. بر اين اساس، پردازش تصوير حاصل از تداخل مدهاي انتشاري ساختار چند مدي و آناليز كمي تغييرات آنها مبناي حسگري است. به‌منظور بهبود دقت سنجش، از الگوريتم‌هاي يادگيري عميق و به‌طور مشخص از شبكه عصبي عميق ResNet در پردازش تصاوير لكه خروجي تار نوري استفاده شده است. با استفاده از اين الگوريتم، مجموعه‌اي از تصاوير لكۀ خروجي تار با قرارگيري بخش تار باريك‌شده در 9 محلول سنجش مختلف در بازۀ ضريب شكستي 1.33 تا 1.368 براي يادگيري و سپس تعدادي از تصاوير ثبت‌شده براي سنجش تعريف شده‌اند و درنهايت، دقت تشخيص ضريب شكست محلول‌ها تا 95% به دست آمده است.