近年来，光学成像的新方法迅速发展，其重点是从通常是在二维（2D）图像捕获中提取三维（3D）信息。也许最重要的是，计算成像的兴起使得光学组件的新物理布局和新算法得以实现。本文关注两项进展的融合:利用石墨烯光电探测器阵列开发透明焦叠加成像系统，以及包括强大神经网络开发在内的机器学习功能的快速扩展。本文演示了使用多层前馈神经网络对点状对象进行3D跟踪以及对多点对象的跟踪位置的扩展。计算机仿真进一步证明了该光学系统如何跟踪3D扩展对象，凸显了将纳米光子设备，新光学系统设计和机器学习相结合以实现3D成像新领域的希望。
 
 
Fig. 1 透明全石墨烯光电探测器阵列焦堆成像系统的概念。
 
  
Fig. 2 使用石墨烯检测器阵列的双堆栈进行焦点堆栈成像的实验演示。
 
 
Fig. 3 使用焦点堆栈数据对三种不同类型的点对象进行3D点对象跟踪。
 
 
Fig. 4 使用CMOS相机收集的焦点堆栈数据进行3D扩展对象跟踪及其方向估计。
 
        相关研究成果于2021年由密歇根大学Theodore B. Norris课题组，发表在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。

转自《石墨烯杂志》公众号