다중모드 광섬유 스펙클과 딥러닝을 이용한 각도 센서: 코어 지름과 카메라 거리의 영향
Angle Sensor Using Multimode Fiber Speckle and Deep Learning: Effect of Core Diameter and Camera Distance
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 다중모드 광섬유 출력단에서 형성되는 스펙클 무늬와 웹 기반 딥러닝 도구(Teachable Machine)를 이용한 간단한 광학 각도 센서를 구현하고, 코어 지름·파장·카메라 거리와 성능의 관계를 분석한다. 적색(635 nm) 및 녹색(520 nm) 레이저를 코어 지름 50–400 μm 범위의 다중모드 광섬유에 입사하여 얻어진 스펙클에 대해, 출력단–카메라 거리를 변화시키며 스펙클 입자 크기와 시야 내 유효 영역을 조사하고, 이 거리가 각도 분류 및 연속 각도 추정 성능에 미치는 영향을 평가한다. Teachable Machine 기반 분류기를 이용해 0°~10° 각도 클래스를 학습한 결과, 스펙클 전체 형상과 세부 구조가 균형 있게 나타나는 카메라 중간 거리에서 분류 정확도는 거의 100%에 가깝고, 연속 각도 추정의 평균 오차도 약 0.1° 수준으로 가장 낮게 나타났다. 반대로 카메라에 캡처된 스펙클이 너무 크거나 지나치게 작아지면 각도 변화에 대한 민감도 저하, 픽셀 언더샘플링, 빔 일부만 관측되는 문제로 성능이 떨어졌다. 제안하는 구조는 저가 부품과 간단한 정렬만으로 구현 가능하며, 코어 지름·파장·검출기 거리로 대표되는 광학 파라미터와 딥러닝 기반 각도 센서 성능 사이의 연관성을 정리함으로써 향후 스펙클 기반 광섬유 센서 설계에 유용한 기초 지침을 제공한다.
Abstract
This paper implements a simple optical angle sensor based on speckle patterns formed at the output end of a multimode optical fiber and a web-based deep-learning tool (Teachable Machine), and analyzes the relationship between core diameter, wavelength, camera distance, and sensing performance. Speckle patterns are generated by launching red (635 nm) and green (520 nm) lasers into multimode fibers with core diameters in the range of 50–400 μm; for these patterns, the distance between the fiber end and the camera is varied to investigate the speckle grain size and the effective field of view, and to evaluate how this distance affects angle classification and continuous angle estimation performance. Using a Teachable Machine–based classifier trained on angle classes from 0° to 10°, it is shown that at an intermediate camera distance, where both the global shape and fine structure of the speckle pattern are well balanced, the classification accuracy is nearly 100%, and the mean error of continuous angle estimation is as low as about 0.1°. In contrast, when the speckles captured by the camera are too large or too small, the performance degrades due to reduced sensitivity to angle variations, pixel undersampling, and partial observation of the beam. The proposed configuration can be implemented with low-cost components and simple alignment, and by clarifying the relationship between optical parameters—represented by core diameter, wavelength, and detector distance—and the performance of the deep-learning-based angle sensor, it provides useful basic design guidelines for future speckle-based fiber-optic sensors.