该基于深度学习的无序色散微型光谱仪，其色散介质采用毛玻璃，不仅价格低廉，且光通量较高。而 DL 方法展现了其在嘈杂环境中仍能精确且稳定地重建光谱的能力，这是传统算法通常所不具备的。只需使用图像传感器获取毛玻璃散射光的光强散斑分布，就可以通过训练完成的神经网络模型实现待测光的光谱重建，如同智驾一样迅速，并保持着较高的准确性，下图1为光谱仪的光谱重建结果。

图 1(a)不同波长的6个窄带光谱重建;(b)不同时间的2个宽带光谱重建;(c)2个相近的窄带光谱重建;(d)基于 Tikhonov 正则化的光谱重建与基于 MLP 神经网络的光谱重建对比

该系统的经典工作流程包括：校准、编码和解码。校准过程利用单色仪或可调谐激光器测量光学编码器的响应功能，编码过程通常是捕获未知光谱经编码器后的单镜头图像，解码则是根据编码矩阵和单镜头图像数据重建未知光谱。而基于 DL 的光谱仪将神经网络的训练过程代替传统光谱仪的校准过程，神经网络可以学习数据之间的复杂关系，从而在不需要人工干预的情况下进行校准和修正，可以实现更高的精度和稳定性，降低人工成本和时间成本。同时，使用神经网络也可以更灵活地适应时间和环境条件的变化，所以不需要重新设计和反复实施传统的校准方法。图2介绍了基于深度学习的无序色散微型光谱仪结构。

图2 基于深度学习的无序色散微型光谱仪系统

光谱仪工作系统主要由两个部分组成:将光谱信息转换为空间数据的编码部分和将空间数据转换回光谱信息的重建部分。在编码过程中，待测光首先会照射到毛玻璃上，通过毛玻璃后会在探测器表面形成光斑强度图，图形的形状和待测光光谱有关。毛玻璃和探测器之间的距离仅为2mm，这使得两者可以集成在同一块芯片上，大大减小了光谱仪的尺寸。接下来通过使用神经网络，将会得到对应的光谱信息。本文介绍的系统，采用平均均方误差(MSE)作为损失函数，该函数可以计算出重建光谱与真值光谱之间的差异

其中 A 为数据集的数量，Sˆk 和Sk 分别表示第 k 个重建光谱和它对应的真值光谱。本实验中所有图像预处理和网络训练和测试均使用 PyTorch 完成，使用到的 GPU 为 NVIDIA GTX 4090.模型的初始学习率为 2 × 10-4.使用 Adam 优化器自适应调整学习率，dropout 率设置为 0.05.下图3为训练过程中的损失函数下降曲线

图3 随着训练轮次增加的损失函数(MSE)下降曲线

光谱仪作为一种重要的光学测量仪器，在工业检测、环境监测、生物医学诊断以及食品安全等领域具有广泛应用。传统光谱仪通常依赖棱镜或光栅等色散元件以及较长焦距的光学系统，通过空间分光实现光谱测量。这类系统往往结构复杂、体积庞大且成本较高，难以满足便携式设备、嵌入式系统以及实时检测等新兴应用需求。因此，开发小型化、低成本且高性能的光谱仪成为当前光学工程与计算成像领域的重要研究方向。近年来，随着微纳加工技术和计算成像理论的发展，计算光谱仪逐渐成为实现光谱仪微型化的重要技术路线。该类方法通过设计具有特定光谱响应的调制器，将输入光谱编码为一组强度测量值，再通过计算重建算法恢复原始光谱信息。目前已有多种实现方案，例如基于量子点、光子晶体、液晶器件、薄膜滤光片、纳米线以及超表面结构的光谱编码器等。这些方法虽然在性能上取得了显著进展，但往往依赖复杂的微纳加工工艺或特殊材料体系，制造成本较高，难以实现大规模低成本应用，限制了其可扩展性和经济性。

光弹性效应是指某些材料(如塑料)在受力时会产生双折射现象，即折射率随应力方向变化而变化。当光通过这种各向异性材料时，正交偏振方向的折射率不同，导致入射光分解为两束偏振方向垂直、传播速度不同的光(寻常光和非寻常光)，两者之间产生相位差，由于相位差随波长和局部应力变化，不同波长的光在不同位置发生干涉，从而将光谱信息编码为空间色彩分布。利用这一特性，可构建微型计算光谱仪。ElastoSpec 的核心是一个光弹光谱滤波器(photoelastic spectral filter)，其结构非常简单，仅由两个偏振片和一块受应力塑料片组成，并直接安装在 CMOS 图像传感器前端，避免了传统计算光谱仪中常见的复杂纳米制造工艺以及阵列式光谱滤波器结构。整个光谱仪的尺寸约为 27 mm × 27 mm，重量约 4.91 g，具有明显的小型化优势。其工作原理基于光弹效应，当透明材料受到机械应力时，其折射率会在不同方向上发生变化，从而产生应力诱导双折射。通过在不同偏振角度和不同空间位置下测量滤波器的光谱响应函数，对所设计滤波器的性能进行了表征。结果表明，该滤波器能够产生丰富多样的光谱响应，可用于光谱信息的有效感知。系统通过选择滤波器上不同的空间位置作为光谱调制单元来实现光谱调制。

图1. 具有不同偏振角度和空间位置的光弹性光谱滤光片的光学特性。(a) 选定塑料片的照片。(b) 弹性规格示意图。(c) 第二偏振片不同偏振角下的光弹性光谱滤光片彩色照片，且第一偏振片的角度固定。(d) 传输光谱的三维表示，具有不同的偏振角度(偏振片2)和空间位置(以滤波器编号0、1、...、30为索引)。(e) 具有不同偏振角度的传输光谱示例，对应于选定的空间位置。(f) 从(e) 中选取的谱响应曲线示例，对应不同的偏振角度。

ElastoSpec 重建性能

实验验证了 ElastoSpec 在简单窄带光谱和复杂光谱输入条件下的有效性。结果表明，该系统能够实现 2 nm 的光谱分辨率，并在单色光输入条件下获得约 0.2 nm 的半高全宽(FWHM)误差。在仅使用 10 个光谱调制单元的情况下，系统仍可实现 10⁻³量级均方误差(MSE)的高精度光谱重建。进一步地，本文提出了一种自适应调制单元选择策略，通过优化滤波器上光谱调制单元的采样数量以及空间位置分布，从而提升 ElastoSpec 的光谱感知性能。

图2. ElastoSpec 的重建性能特性。(a) 实验中使用的30个调制单元中的10个代表性谱响应函数。(b) 频谱响应的相关系数矩阵。(c) 频谱响应的主成分分析。(d) 对9个单色光样本在400–700 nm范围内不同波长的光谱重建，与商业光谱仪测量的参考光谱进行比较。(e) 峰值波长的重建误差，对应于(d) 中重建的光谱。(f)，(g) 400–700 nm 范围内单色光的峰值波长和 FWHM 重建误差，间隔为 1 nm。(h) 两个峰间距2 nm的混合窄带信号重建结果。

ElastoSpec 为设计紧凑、易制备且低成本的便携式光学传感器和消费级设备提供了一种新的实现方案。该方法基于由应力诱导双折射产生的光弹效应，通过使用普通透明塑料片作为双折射介质，避免了对特殊材料和复杂制造工艺的依赖。与依赖人工设计双折射材料结构的方法不同，ElastoSpec 利用了普通塑料内部随机应力分布所产生的光谱调制特性，并且可以通过灵活优化光谱调制单元的空间位置和数量进一步提升系统性能。这项工作避免了复杂微纳加工和特殊材料的需求，为开发简单、经济且可扩展的片上和便携式光谱传感设备提供了技术基础。

超微型光谱仪的高性能：实现了4×4微米²的超小尺寸，0.17纳米的波长精度和0.4纳米的光谱分辨率。高灵敏度和动态范围：光谱仪的检测限低至1.2飞焦耳(fJ)，动态范围达到149分贝(dB)。角分辨光谱成像：通过金属透镜和光谱仪阵列的结合，实现了高分辨率的角分辨光谱成像。高光谱成像能力：成功展示了光谱仪阵列在高光谱成像中的应用，能够重建复杂的光谱信息。

05

图1：角分辨超表面光谱仪的设计原理

核心思想：展示了超表面光谱仪的基本设计和工作原理。通过超表面调制光信号，并利用钙钛矿光电探测器记录信号。通过改变外加电压，超表面的透射光谱可以被调节，从而实现高精度的光谱重建。

图2：超微型光谱仪的性能测试

核心思想：展示了超微型光谱仪的实验结果，包括其高分辨率、高灵敏度和动态范围。通过与商业光谱仪的对比，验证了其在宽光谱范围内的重建能力。

图3：微激光器的光谱分析

核心思想：利用超微型光谱仪对钙钛矿微激光器进行光谱分析，展示了其在复杂光谱重建中的能力，包括高密度的周期性峰和宽带光谱。

图4：光谱仪阵列的高光谱成像能力

核心思想：展示了光谱仪阵列在高光谱成像中的应用。通过重建光谱数据立方体，实现了对图像的光谱分析和伪彩色成像。

图5：角分辨光谱分析和成像

核心思想：展示了超微型光谱仪在角分辨光谱分析中的应用。通过金属透镜将不同角度的光信号聚焦到光谱仪阵列上，实现了高分辨率的角分辨光谱成像。