| Title: | Frequency range optimization for continuous wave Terahertz imaging |
|---|
| Authors: | ID Pongrac, Blaž (Author)
ID Sarjaš, Andrej (Author)
ID Gleich, Dušan (Author) |
|---|
| Files: |  applsci-13-00974_(1).pdf (8,82 MB)
MD5: 8D99C83962084C3431D850AE2C84FA20
 https://www.mdpi.com/2076-3417/13/2/974
|
|---|
| Language: | English |
|---|
| Work type: | Article |
|---|
| Typology: | 1.01 - Original Scientific Article |
|---|
| Organization: | FERI - Faculty of Electrical Engineering and Computer Science
|
|---|
| Abstract: | S krajšimi valovnimi dolžinami kot mikrovalovi in večjo globino prodora v material kot infrardeča svetloba, valovi v TeraHertz-nem (THz) spektru ponujajo edinstvene možnosti testiranja materialov. THz tehnologija ponuja neinvazivna in nedestruktivna testiranja v obliki spektroskopije in slikanja. Najbolj uporabljeni sistemi za THz slikanje so sistemi spektroskopije v časovni domeni. Vendar sistemi spektroskopije frekvenčne domene ponujajo odlično frekvenčno ločljivost in so primerni za biomedicinske aplikacije. THz-no slikanje na podlagi spektroskopije v frekvenčnem prostoru je časovno kompleksno in ima pomanjkljivosti zaradi napak pri generiranju THz valov. V tem članku je predstavljen nov princip enodimenzionalnega zajemanja s THz valovi. Predlagana optimizacija frekvenčnega območja temelji na konvolucijski nevronski omreži. Predstavljena je frekvenčna optimizacija za določitev optimalnega frekvenčnega območja za zajem podatkov. Optimalno frekvenčno območje ali pasovna širina morata biti dovolj široka za učinkovito zaznavanje faze in morata biti na presečišču več spektralnih odtisov v opazovanem mediju. Presek spektralnih odtisov je ocenjen z uporabo predlaganega algoritma za optimizacijo frekvenčnega območja, ki temelji na konvolucijski nevronski mreži in algoritmu za občutljivost okluzije. Predlagani algoritem izbira samodejno najobčutljivejši frekvenčni pas THz spektra in omogoča zelo hitre zajeme za pregled in klasifikacijo objektov. |
|---|
| Keywords: | terahertz, spectroscopy, imaging, convolutional neural network, occlusion sensitivity, optimization |
|---|
| Publication status: | Published |
|---|
| Publication version: | Version of Record |
|---|
| Submitted for review: | 05.12.2022 |
|---|
| Article acceptance date: | 10.01.2023 |
|---|
| Publication date: | 11.01.2023 |
|---|
| Publisher: | MDPI |
|---|
| Number of pages: | 18 str. |
|---|
| Numbering: | Vol. 13, iss. 2 |
|---|
| PID: | 20.500.12556/DKUM-86528  |
|---|
| UDC: | 621.3 |
|---|
| ISSN on article: | 2076-3417 |
|---|
| COBISS.SI-ID: | 137622275 |
|---|
| DOI: | 10.3390/app13020974 |
|---|
| Copyright: | © 2023 by the authors |
|---|
| Publication date in DKUM: | 07.12.2023 |
|---|
| Views: | 603 |
|---|
| Downloads: | 46 |
|---|
| Metadata: |    |
|---|
| Categories: | Misc.
|
|---|
|
:
|
Copy citation |
|---|
| | | | Average score: | (0 votes) |
|---|
| Your score: | Voting is allowed only for logged in users. |
|---|
| Share: |  |
|---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |
