مکمل طور پر کنولوشنل نیورل نیٹ ورک کا استعمال کرتے ہوئے ملٹی ڈیپتھ تھری ڈی ہولوگرام تیار کرنا

اسپیشل لائٹ ماڈیولیٹر ایک آپٹیکل ڈیوائس ہے جو فعال کنٹرول کے تحت ان پٹ لائٹ کے طول و عرض، فیز اور دیگر پیرامیٹرز کو ماڈیول کرنے کے لیے اپنی خصوصیات کا استعمال کرتی ہے، اور لائٹ ویو فرنٹ اور لائٹ ویو بیم کی مقدار اور ڈائریکٹیوٹی کو کنٹرول کرکے حتمی وصول کرنے والی سطح پر لائٹ فیلڈ کی متوقع تقسیم حاصل کرتی ہے۔ آپٹیکل نیورل نیٹ ورکس پر مقامی لائٹ ماڈیولٹرز کا اطلاق کئی دہائیوں سے تیار کیا گیا ہے، اور مقامی لائٹ ماڈیولٹرز کی ماڈیول کی درستگی میں بہتری اور کمپیوٹیشنل الگورتھم کی مسلسل اصلاح کے ساتھ، آپٹیکل نیورل نیٹ ورکس کی بڑی صلاحیت کو مسلسل تلاش کیا گیا ہے، ممکنہ طور پر میڈیکل نیٹ ورک کے عمل میں ممکنہ ایپلی کیشنز، وژن اور دیگر آلات کے ساتھ۔ کھیتوں

یہ مقالہ مکمل طور پر کنولوشنل نیورل نیٹ ورک (FCN) کا استعمال کرتے ہوئے کثیر گہرائی والے مرحلے کی ہولوگرافی پیدا کرنے کا ایک طریقہ پیش کرتا ہے۔ اس طریقہ کار میں بنیادی طور پر کثیر گہرائی سے پھیلے ہوئے فیلڈ کی گنتی کرنے کے لیے آگے پیچھے کی طرف پھیلاؤ کا فریم ورک، اور ایک پرت بہ پرت تبدیلی کا طریقہ (L2RM) شامل ہوتا ہے۔ پہلے کی طرف سے شمار کیے گئے مختلف شعبوں کو ایک اچھی طرح سے ڈیزائن کردہ FCN میں کھلایا جاتا ہے، جو 3D منظر کے کثیر گہرائی والے ہولوگرام کو بنانے کے لیے اپنی طاقتور غیر لکیری فٹنگ کی صلاحیت کو استعمال کرتا ہے۔ مؤخر الذکر مخدوش اشیاء کی معلومات کی تکمیل کرکے اور منظر کی تعمیر نو میں مختلف تہوں کی حدود کو ہموار کرکے ہولوگرام کی تعمیر نو کے معیار کو بہتر بنا سکتا ہے۔ تازگی اور متحرک 3D ڈسپلے تجربات میں کمپیوٹر سے تیار کردہ ہولوگرام (CGH) کو بنیادی جزو مقامی روشنی ماڈیولیٹر (SLM) پر لوڈ کر کے حاصل کیے جاتے ہیں۔

تجرباتی طریقہ کار اور تجرباتی نتائج کا حصہ:

تجربات میں 638 (±8) nm کی طول موج اور 30 ​​میگاواٹ کی طاقت کے ساتھ ایک غیر پولرائزڈ سیمی کنڈکٹر لیزر استعمال کیا گیا، جیسا کہ تصویر 1 میں دکھایا گیا ہے۔ فائبر کی آؤٹ پٹ کو 100 ملی میٹر کی فوکل لمبائی کے ساتھ ایک کولیمیٹڈ لینس کے فوکل پوائنٹ پر رکھا گیا تھا، اور ایک طول و عرض کو حاصل کرنے کے لیے ایک نیوٹرل لینس کا استعمال کیا گیا تھا۔ ایک لائن پولرائزڈ لائٹ حاصل کرنے کے لیے attenuator اور polariser۔ ایک نصف لہر پلیٹ (HWP) کو گھمایا گیا تھا تاکہ روشنی پولرائزیشن کی سمت ایل سی او ایس کولیمیشن زاویہ کی سمت کے ساتھ منسلک ہو، اس کے بعد مستطیل پروفائل حاصل کرنے کے لیے ایک مستطیل یپرچر داخل کیا جائے۔ واقعے کی روشنی کو ایک مقامی روشنی ماڈیولیٹر (Zhongke Microstar FSLM-4K70-P02) کا استعمال کرتے ہوئے فیز ماڈیول کیا گیا تھا اور اس کی عکاسی کی گئی تھی، اور 100 ملی میٹر کی فوکل لمبائی کے ساتھ فوئیر لینس کا استعمال کرتے ہوئے مزید میگنیفیکیشن کے ذریعے منظر کو دوبارہ بنایا گیا تھا۔ ایک مقامی فلٹر استعمال کیا جاتا ہے تاکہ مطلوبہ تفاوت آرڈر گزر جائے اور دیگر تفاوت آرڈرز کو فلٹر کیا جائے۔ دوبارہ تعمیر شدہ توسیع شدہ 3D منظر کو کیمرے کا استعمال کرتے ہوئے قید کیا گیا تھا۔

تصویر 1 تجرباتی سیٹ اپ (فیز قسم کی مقامی روشنی ماڈیولیٹر، ماڈل: FSLM-4K70-P02)

تجربے میں استعمال ہونے والے مقامی روشنی ماڈیولر کے پیرامیٹر کی وضاحتیں درج ذیل ہیں:

تصویر 2۔ 3D گرافیکل ڈیٹاسیٹ کی نسل۔ A) 3D بے ترتیب منظر۔ ب) نمونے لینے کا عمل۔ C) شدت کی تصویر۔ ڈی) گہرائی کی تصویر۔ ای) 3D گرافیکل ڈیٹاسیٹ۔

تصویر 3 FCN کے ساتھ ملٹی ڈیپتھ ہولوگرامس کی جنریشن۔ a) فرنٹ بیک ڈفریکشن فریم ورک کا استعمال کرتے ہوئے ملٹی ڈیپتھ ڈفریکٹڈ فیلڈز کا حساب۔ ب) ایف سی این کی ساخت۔ c) کثیر گہرائی کی غلطی کا حساب۔

تصویر 4. تعمیر نو کے معیار کا موازنہ۔ A) ہدف کا منظر۔ ب) بالترتیب معیاری طریقہ اور L2RM کی عددی تعمیر نو۔ C) بالترتیب معیاری طریقہ اور L2RM کی آپٹیکل تعمیر نو۔

تصویر 5۔ پیچیدہ 3D منظر اور متعلقہ ہولوگرام۔ A) شدت کی تصویر اور B) 3D منظر کی گہرائی کی تصویر۔ C) FCN کے ذریعے تیار کردہ کثیر گہرائی والا ہولوگرام۔

تصویر 6. A) WH، B) DPH، اور C) L2RM کی عددی تعمیر نو اور نظری تعمیر نو۔ قطار 1، 3، اور 5 میں تصاویر عددی تعمیر نو کی نمائندگی کرتی ہیں، جب کہ قطاریں 2، 4، اور 6 آپٹیکل تعمیر نو کو ظاہر کرتی ہیں۔ کالم 1 اور 2 میں، کیمرہ بالترتیب "فٹ بال-گٹار" کے جوڑے کے سامنے والے فوکس پلین ("فٹ بال") اور پیچھے والے فوکس پلین ("گٹار") پر فوکس کرتا ہے۔ کالم 3 اور 4 میں، کیمرہ بالترتیب "ہوائی جہاز-کتے" کے جوڑے کے سامنے والے فوکس ہوائی جہاز ("ہوائی جہاز") اور پیچھے والے فوکس ہوائی جہاز ("کتے") پر فوکس کرتا ہے۔

تصویر 7. مختلف گہرائی والے طیاروں پر دوبارہ تعمیر شدہ اشیاء۔

آخر میں لکھا:

آپٹیکل نیورل نیٹ ورکس کو متوازی بڑے پیمانے پر کمپیوٹیشن، کم پاور آپریشن، اور تیز رسپانس، اور مقامی لائٹ ماڈیولٹرز کی وجہ سے بہت زیادہ توجہ ملی ہے کیونکہ ڈفریکٹیو ڈیوائسز ڈفریکٹیو نیورل نیٹ ورکس میں اہم کردار ادا کرتے ہیں اور بہت سے شعبوں میں استعمال ہوتے ہیں، جیسے کہ 3D ہولوگرافک امیجنگ کمپیوٹیشن کے لیے AR/VRsensing، optical امیجنگ۔ ڈفریکٹیو نیورل نیٹ ورکس کی پروگرامیبلٹی کی بنیاد پر، مستقبل میں اعلیٰ کارکردگی والے ڈفریکٹیو نیورل نیٹ ورکس کی توقع کی جاتی ہے۔