返回资讯中心
外部精选
软件工程
#开发者实时流

自动化刀口式激光光束轮廓仪实现微米级光束腰测量

来源标题:Automated High-Density Knife-Edge Laser Beam Profiler

该项目提供了一套自动化刀口式激光光束轮廓仪,可对HeNe和二极管激光器进行微米级光束腰(w0)和M²质量表征。系统采用Thorlabs NRT100电动位移台以0.5微米步进定位刀口,通过ESP32配合ADS1115 16位ADC采集数据,并配备RC低通滤波(截止频率约15.92 Hz)信号调理PCB。测量结果由主机Python脚本实时绘制S曲线。

Hacker News 最新turtushig222026/11/15 · 3 天前17 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

自动高密度刀口式激光光束轮廓仪

利用 Thorlabs 运动控制、ESP32 嵌入式 DAQ 和定制信号调理 PCB 对 HeNe 和二极管激光束腰进行微米级表征

图 1. HeNe 激光束穿过用于刀口法光束轮廓测量的实验光学装置照片,视角朝向入射光束方向。

要在微米尺度上表征激光光束特性、束腰(w0)和传输质量($M^2$),需要密集的空间采样和低噪声仪器。手动刀口法轮廓测量存在定位粗糙、采集速度慢和人为视差误差等问题。

本项目实现了一套自动刀口式激光光束轮廓仪:

激光源 → 开普勒扩束器 → 聚焦透镜 → 刀口平面 → 功率传感器

[ HeNe / 二极管 ] ---> [ L1 (f=75mm) + L2 (f=160mm) ] ---> [ L3 (f=75mm) ] ---> [ NRT100 上的刀片 ] ---> [ Thorlabs PM100A ] (M_exp ≈ 2.13x) (0.5 µm 步进) | v 模拟输出 (0.0-2.0 V) | v [ RC 低通滤波器 ] (fc ≈ 15.92 Hz) | v [ ADS1115 16 位 ADC ] | v [ 主机 PC / master_python.py ] <==== USB 串口 <==== [ ESP32 微控制器 ] ====> [ ILI9341 2.8" TFT ] | (实时 S 曲线) v (FTDI D2XX / pylablib) [ Thorlabs TST001 / NRT100 ]

图 2. 光路示意图。L1(f = 7.5 cm)和 L2(f = 16.0 cm)构成开普勒扩束器(放大倍率 ≈ 2.13);L3(f = 7.5 cm)将光束聚焦到刀口平面。

所用激光器:

HeNe 激光器:$\lambda = 632.8\text{nm}$,$TEM_{00}$ 基模。 TeachSpin DLI-A 二极管激光器:标称 $780\text{nm}$,实验校准值为 $\lambda = 780.9\text{nm}$(受仪器限制的线宽 $\Delta\lambda \lesssim 3\text{nm}$)。

扩束器:由平凸透镜 $L_1$($f_1 = 7.5\text{cm}$)和 $L_2$($f_2 = 16.0\text{cm}$)构成的开普勒望远镜,放大倍率 $M_\text{exp} \approx 2.13$。

聚焦光学元件:平凸单透镜 $L_3$($f_3 = 7.5\text{cm}$),在刀口平面处形成紧聚焦束腰。

驱动位移台:Thorlabs NRT100,内置光学编码器($25{,}600\text{microsteps/mm}$),在每个轴向 $z$ 位置扫描 $1000$ 步($0.5\text{mm}$ 行程)。

定制 PCB(KiCad/)

模拟信号调理与数字化电路在 KiCad 9.0 中设计为专用 PCB,位于 KiCad/ 文件夹中:

所有数据采集、处理、拟合和可视化代码都放在 code/ 中。以下是主要脚本的完整参考:

作用:与实验对接的主协调程序。

功能:

建立 FTDI 通信(libftd2xx.dylib、pylablib)以控制 Thorlabs TST001 控制器。 处理位移台运动、等待例程和驻留稳定时间($0.5\text{s}$)。 通过 USB 串口(pyserial)与 ESP32 通信。 执行自动暗背景测量($N_\text{bg} = 100$ 个采样)并扣除。 执行主动闭环编码器监测(若位置偏差超过 $2\mu\text{m}$ 则标记)。 自动递增并将运行元数据保存到 CSV 文件(beamscan_run_NNN.csv)。

  1. beam_waist_fit.py(焦散传播与标尺不确定度拟合器)

作用:评估束腰半径 $w_0$、束腰轴向位置 $z_0$ 和光束质量因子 $M^2$。

功能:

求解高斯光束传播方程:

$$w^2(z) = w_0^2 + \left[\frac{M^2 \lambda}{\pi w_0}(z - z_0)\right]^2$$

采用 Tikhonov 正则化的双残差目标函数:

$$\mathbf{r}(\boldsymbol{\theta}, \boldsymbol{\delta z}) = \begin{pmatrix} \frac{w^2(z_i + \delta z_i; \boldsymbol{\theta}) - w_i^2}{\sigma_{w^2, i}} \ \frac{\delta z_i}{\sigma_z} \end{pmatrix}$$

其中 $\sigma_z = \frac{0.5\text{mm}}{\sqrt{3}} \approx 0.289\text{mm}$ 表示毫米刻度尺上的读数不确定度。

比较未正则化(“$z$ 精确”)与正则化(“$z$ 不确定”)模型,生成对比图和干扰位移诊断($\delta z_i$)。

  1. dual_fit_comparison.py(方法 A 与方法 B 基准对比)

作用:对光束提取技术进行系统交叉验证:

方法 A:直接对积分功率 S 曲线进行非线性最小二乘拟合($\mathrm{erfc}$ 模型)。 方法 B:对 S 曲线数值微分($\mathrm{d}P/\mathrm{d}x$),然后进行高斯拟合($\sigma = w/2$)。

自适应平滑分析:展示静态滚动平均($N = 100$)如何在紧束腰附近人为展宽微分峰(HeNe 上最多 $+55%$,二极管上 $+129%$),并实现自适应窗口:

$$N_\text{adaptive} = \max\left(N_\text{min}, \mathrm{round}\left(\frac{\alpha w_A}{\Delta x_\text{step}}\right)\right)$$

说明为什么直接 $\mathrm{erfc}$ 拟合(方法 A)更优。

  1. erfc_fitter.py 与 erfc_fitter_hene.py(单次运行 S 曲线提取器)

作用:对单个扫描 CSV 文件进行详细轮廓分析。

特性:

针对 15 点滚动中值进行 $3\sigma$ 离群值过滤。 自动确定性初始参数猜测($y_0, P_0, x_0, w_0$)。 使用 scipy.optimize.curve_fit 进行非线性 Levenberg-Marquardt / 信赖域拟合。 提取参数协方差 $\sigma_{w^2} = 2w\sigma_w$。

  1. plot_spectrometer.py(二极管激光光谱分析)

作用:读取来自 Ocean Optics / USB 光纤光谱仪的原始光谱输出(spectrometer_data.csv)。

特性:

全光谱概览($750\text{--}820,\text{nm}$)和高分辨率放大窗口($778\text{--}786\text{nm}$)。 高斯拟合显示中心发射波长为 $\lambda = 780.9\text{nm}$。 解析出受仪器限制的 FWHM($\Delta\lambda \lesssim 3\text{nm}$),与单纵模工作一致。

实验结果摘要

摘自完整实验报告:

$^\dagger$ 关于二极管 $M^2$ 的说明:优化参数收敛到其物理下界($M^2$ = 1.0),这是由半导体激光器像散导致的(快轴与慢轴发散不对称,在正交横向平面上产生偏移的焦散)。

  1. 前提条件

操作系统:macOS(Apple Silicon / Intel)或 Linux。 Python:3.10 或更高版本。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →