استفاده از یادگیری ژرف در طراحی و بهینهسازی یک حسگر دمایی فیبر نوری با پوشش ایزوپروپانول
نویسندگان
1 گروه فوتونیک، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
2 گروه فوتونیک، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
doi
10.47176/ijpr.24.4.41882چکیده
در این مقاله، یک حسگر دمایی فیبر نوری طراحی شده که از ایزوپروپانول جهت افزایش حساسیت دمایی و از یادگیری ژرف جهت تشخیص تغییرات الگوی سهبعدی انتشار نور در طول فیبر نوری و تعیین دمای محیط استفاده میکند. به عبارتی دیگر، تغییر دمای محیط، ضریب شکست ایزوپروپانول را تغییر داده و موجب تغییر شکل ظاهری الگوی تداخل مدهای انتشاری درون فیبر نوری میشود که شناسایی الگو مبتنی بر یادگیری ژرف تغییرات ظاهری انتشار نور را تشخیص داده و دمای محیط را به شکل بهینه تخمین میزند. در این راستا، فیبر نوری مذکور، توسط نرم افزار آر سافت برای ۱۰۶ دمای مختلف شبیهسازی شده و الگوهای انتشار سه بعدی آنها به دست آمده است. از گرداوری الگوهای شبیهسازیشده، پایگاه دادۀ کاملی از نور منتشره برای بازۀ دمایی -۷۳ الی ۸۲ درجه سانتیگراد، تشکیل شده است. پایگاه دادۀ مذکور به الگوریتم شناسایی الگو مبتنی بر یادگیری ژرف وارد شده و نحوۀ تغییرات شکل ظاهری انتشار نور در فیبر با تغییرات دما به سامانۀ شناسایی الگو آموزش داده میشود. شناسایی الگوی استفاده شده در این مقاله، با الهام گرفتن از شبکۀ الکسنت طراحی شده و میتواند دمای محیط را با خطای حداقل مقدار میانگین مربعات 2 به دست آورد.
