SD-OCT 的 roll-off 从哪来、怎么读曲线
Sensitivity Roll-off光谱仪的有限分辨率与像素积分,决定了灵敏度随深度衰减的形状。这篇笔记讲清 roll-off 的物理来源,以及对比不同厂商曲线时该核对哪些测试条件。
一个 OCT 能力平台支撑所有产品——光谱仪、扫描仪、熔深监测系统都长在同一套底座上。这一页讲清楚它怎么工作、怎么分层、怎么开放。
光学相干层析成像(OCT)基于低相干干涉:用光程匹配作为「深度选通」,非接触地解算出样品内部沿深度方向的反射结构。我们采用光谱域(Spectral-Domain)方案,一次曝光解算一整条深度剖面。
宽带低相干光源照射样品,光在内部不同深度的界面发生背向散射。相干长度极短,只有光程严格匹配的反射光才能参与干涉——这正是深度分辨能力的来源。
光束分入参考臂与样品臂,返回后在干涉仪中重新汇合。样品内每个深度的反射与参考光叠加,深度信息被编码为光谱上不同频率的干涉条纹。
线阵相机记录干涉光谱,经 k 空间校正与色散补偿后做 FFT,一次性解算出整条深度方向的反射率剖面,即一条 A-scan。无需深度方向机械扫描。
振镜带动光束沿样品表面逐点扫描,数百至数千条 A-scan 按位置排列,构成一幅断层图像 B-scan。表面之下的层状结构,由此直接可见。
同一套软件平台支撑三种交付形态。自上而下分为四层,与开放 SDK 的 L1–L4 一一对应:应用(L4)、扫描控制与工作流编排(L3)、OCT 处理流水线(L2)、采集与设备抽象(L1)——每一层都是可替换的模块,而不是焊死的整体。
在熔深监测中,测量光束同轴耦入加工光路,直达匙孔最深处。 熔深监测系统 →
FFT、k 空间校正、色散补偿等计算密集环节由 CUDA 并行加速,重建吞吐与采集速率匹配,CPU 留给您的业务逻辑。
从相机出帧到结果输出毫秒级端到端延时,各级流水化、内存零拷贝,支撑在线监测与闭环控制类应用。
最高 80 kHz A-scan 线速率下持续处理不丢帧,长时间运行内存占用与延时保持稳定,按产线 24×7 工况设计。
* 典型配置下的参考指标,具体以出厂测试报告为准
SDK 以稳定的 C ABI 为核心,按层开放:从原始光谱到应用结果,您决定接管到哪一层。C/C++、C#、Python 多语言绑定共享同一套底层;插件机制允许把自定义处理直接挂入流水线。
# Python 绑定 —— 同一 C ABI 之上的薄封装
import ophet
dev = ophet.open("E2V-USB3", preset="835nm")
pipe = ophet.Pipeline.standard() # k 校正 → 色散补偿 → FFT
for bscan in dev.stream(pipe):
render(bscan.data) # numpy 数组,零拷贝
if bscan.index >= 1000:
break
dev.close()
+ 自定义处理模块可注册进流水线 / C/C++ · C# · Python 示例工程见 下载中心 →
k 空间校正与色散补偿在出厂前逐台标定,标定数据随设备写入并由 SDK 自动加载——开机即获得标称成像质量,无需现场调参。
每台设备出厂附关键指标实测报告:轴向分辨率、灵敏度、成像深度等逐项实测。网页与样本给出的是典型值,您拿到的是这台机器的真实数据。
处理流水线与 SDK 接口纳入自动化回归测试,软件迭代不破坏既有功能;版本可回溯,升级路径对集成方透明。
把选型与集成中绕不开的几个技术问题写成短文:讲物理来源、算清代价、给出判断依据。工程师写给工程师,可直接用于方案评审时的依据引用。
光谱仪的有限分辨率与像素积分,决定了灵敏度随深度衰减的形状。这篇笔记讲清 roll-off 的物理来源,以及对比不同厂商曲线时该核对哪些测试条件。
FFT 要求干涉信号在 k 空间等间隔,而光谱仪像素天然近似按波长排列。软件重采样与硬件 k-linear 各有代价,这篇笔记把两边的账算清楚。
波长决定散射衰减与可达深度,带宽决定轴向分辨率。从样品的光学性质出发,给出三个波段的适用边界,以及与带宽、相机的联动选择思路。