新闻详情

新闻详情

首页 / 资讯中心 / 详情

阿秒科技SWIR1503BG-NC短波红外相机完成合肥国家实验室超稳腔透射光斑成像实验

发布时间:2026/10/26 9:39:59来源:尧图网络
阿秒科技SWIR1503BG-NC短波红外相机完成合肥国家实验室超稳腔透射光斑成像实验
文章目录一、任务描述二、应用背景三、测试设备与参数3.1 整套测试设备清单3.2 阿秒科技SWIR1503BG-NC短波红外相机核心参数四、测试步骤五、测试结果六、结果分析一、任务描述本实验旨在利用短波红外相机SWIR1503BG-NC拍摄高精细度超稳腔的透射光斑图像通过对光斑模式的空间分布进行实时观测辅助调整1187nm入射激光的频率与空间耦合路径使超稳腔的零阶模信号达到最强从而为后续频率锁定提供可靠的模式对准依据。二、应用背景高精细度超稳腔在量子光学、精密光谱学和光频标等领域具有重要应用。由于腔的透射光功率通常极弱往往处于微瓦乃至纳瓦量级在光路搭建和优化过程中需要频繁依据透射光斑的模式特征来校正入射光的角度与位置以提升腔模耦合效率。因此在腔后配置与激光波长匹配的短波红外相机实现对透射光斑的高灵敏度、高分辨率实时成像是实验调试环节中不可或缺的手段。三、测试设备与参数3.1 整套测试设备清单设备/组件型号/规格短波红外相机阿秒科技 SWIR1503BG-NC激光光源1187 nm 窄线宽红外激光3.2 阿秒科技SWIR1503BG-NC短波红外相机核心参数传感器类型InGaAs CMOS光谱范围900nm – 1700nm分辨率0.33 MP (640×512)像元尺寸15 µm x 15 µm靶面尺寸3/4″QE75%1350nm转换增益138.6e⁻/ADU(LG)5.54e⁻/ADU(MG)1.2e⁻/ADU (HG)动态范围70.59dB(LG)67.96dB(MG)47.98dB(HG)读出噪声586.82e(LG)35.05e(MG)68.44e(HG)满井容量1986426.78e(LG)87649.83e(MG)17147.351e(HG)最大信噪比62.98dB(LG)49.43dB(MG)42.34dB(HG)暗电流30fA0.1V18℃曝光时间范围16µs~5s阿秒科技SWIR1503BG-NC短波红外相机具有15 μm像元尺寸覆盖900nm-1700nm光谱范围完美匹配超稳腔测试所需的1187nm。四、测试步骤超稳腔锁定实验通常采用Pound-Drever-HallPDH技术其核心流程可分为光路搭建、信号调试与反馈锁定三个阶段。光路准备需将1187nm激光器调整至目标波长并依次布置电光调制器EOM、光学隔离器、偏振分束棱镜与四分之一波片构成的环形器以及模式匹配透镜确保激光高效耦合至高真空、精密温控与隔振环境中的超稳光学参考腔。调制与误差信号提取通过EOM对入射激光施加射频相位调制利用腔反射光与本地振荡信号混频解调得到反映激光频率与腔共振频率偏差的类色散误差信号。反馈锁定将该误差信号经滤波放大后反馈至激光器的压电陶瓷PZT或声光调制器AOM等执行元件形成闭合负反馈回路实时抑制激光频率噪声最终将激光频率长时间稳定地锁定在超稳腔的共振透射峰上。实际光路与原理如下图所示五、测试结果阿秒科技SWIR1503BG-NC短波红外相机成功捕获了1187nm激光经超稳腔投射后的光斑图像。下图分别为零阶基模及其他高阶横模的典型成像结果。图1.超稳腔投射零阶模00模光斑图像图2.其他高阶模拍摄图像六、结果分析实验表明阿秒科技 SWIR1503BG-NC 短波红外相机在 1187 nm 波段具有优异的成像性能能够清晰捕捉到微瓦级超稳腔透射光斑并准确分辨零阶模与高阶模的细微空间结构。该相机具备高信噪比、高量子效率的特点满足超稳腔模式诊断和光路对准的严苛要求同时作为一种低成本、非接触、高效率的检测方案为短波红外波段精密光学实验提供了可靠的成像工具。如想了解更多可访问 SWIR1503BG-NC 短波红外相机官网信息
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/25 4:02:17

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/25 5:03:13

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉