前言

在系统设计方面，研究团队采用端到端协同优化框架，联合优化超表面滤光单元的几何参数与光谱重建网络，利用硅纳米柱的周期和尺寸调控宽带光谱透射响应。每个空间编码单元由4×4排列的16种滤光单元组成。在此基础上，团队采用模拟退火算法优化滤光单元的空间排布，使相邻位置的光谱响应更加接近，并进一步调整重建网络，以提升系统在存在对准误差时的光谱重建性能。团队还完成了超表面阵列的加工及其与InGaAs焦平面阵列的集成，研制出片上短波红外计算型光谱相机。该相机通过单次曝光获取编码图像，并利用神经网络重建场景的高光谱信息。

仿真结果表明，当横向和纵向对准偏差均为0.5 μm时，采用MREFSA优化布局的系统，其高光谱重建均方误差较默认布局降低50%以上。样机实验表明，该相机在900–1700 nm波段的窄带光谱平均重建保真度达到96.81%，光谱分辨率约为10 nm。在自然叶片、仿真叶片和布料等场景的测试中，重建光谱与商用高光谱相机的测量结果具有较好的一致性。此外，研究团队结合重建光谱与一维卷积神经网络，实现了聚乙烯（PE）、聚碳酸酯（PC）、丙烯腈-丁二烯-苯乙烯共聚物（ABS）、聚酰胺（PA）和聚氯乙烯（PVC）五类塑料的分类，验证了该系统在材料识别任务中的应用潜力。

研究围绕短波红外片上高光谱成像中滤光阵列与探测像元的对准难题，将超表面编码、空间排布优化与神经网络重建相结合，研制了单次曝光片上短波红外计算型高光谱相机。仿真与样机实验验证了抗对准误差空间排布策略的有效性，并展示了系统的光谱重建能力及其在塑料分类中的应用潜力，为短波红外高光谱相机的小型化与集成化提供了参考。面向实际应用，后续可进一步优化编码阵列与探测器的集成工艺，在降低对准误差影响的同时，兼顾空间采样能力与光谱重建精度；结合更丰富的场景数据与系统标定，提升重建模型对不同光照、噪声及目标条件的适应能力。通过优化重建网络和硬件部署，有望进一步提高处理速度，推动该类相机在便携式材料识别、环境监测和精准农业等场景中的应用。

该研究成果以“Single-shot on-chip SWIR computational hyperspectral camera based on metasurface array”为题发表于《Advanced Photonics Nexus》期刊。同济大学冯诗淇博士、博士生梁晓佳和薛栋柏博士为论文共同第一作者，王绪泉助理教授和董思禹助理教授为论文共同通讯作者。论文合作者还包括博士研究生马志远、顿雄副教授、王占山教授和程鑫彬教授。

王绪泉，同济大学物理科学与工程学院助理教授。面向国家重大战略需求，开展微纳光学、集成电路、人工智能深度融合的新一代计算光学技术研究与应用，助力多维度、轻简化和智能化兼备的光电新装备涌现。主持JKW重大专项课题、国家自然科学基金等科研项目多项，入选上海市“超级博士后”人才计划，在Pattern Recognition、Advanced Imaging 、Optics and Laser Technology、Optics Express等高水平期刊发表学术论文二十余篇。

董思禹，同济大学物理科学与工程学院助理教授。主要从事微纳光学器件设计、制造与应用相关研究。入选中国科协“第八届青年人才托举工程”和上海市“超级博士后”激励计划。承担了国家自然科学基金青年基金、中国博士后科学基金特别资助、面上资助等科研项目。在Light: Science & Applications、Optica、Laser & Photonics Reviews、Applied Physics Letters、Optics Express等期刊发表SCI/EI论文20余篇，授权国家发明专利5项。