MétaCan
Menu
Retour à la cohorte
Enregistrement W2989520940 · doi:10.1088/2631-8695/ab583a

Speckle reduction by employing two green lasers and two-dimensional vibration of lenses

2019· article· en· W2989520940 sur OpenAlexaff
Mahmoud Mohamed, Qianli Ma, Tyler Kashak, Chang‐Qing Xu

Notice bibliographique

RevueEngineering Research Express · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Imaging Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLaserOpticsSpeckle patternMaterials scienceProjectorLaser diodeOptical pathDiodeDistributed feedback laserOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A method of speckle reduction suitable for use in a laser projector was proposed in the paper. Speckle contrast ratio (SCR) reduction was achieved by combining wavelength diversity and angular diversity methods. First, wavelength diversity was demonstrated by the use of two green laser sources (a 520 nm laser diode (LD) and a 532 nm diode-pumped solid-state (DPSS) laser) at a power ratio of 4:1. Second, angular diversity was achieved via the vibration of two lenses in two orthogonal directions placed directly after the laser source. The vibrating lenses are small and do not require changes to the beam path of the laser source, allowing for more compact projector designs. The frequency of vibration of these lenses was optimized to minimize the SCR in the output image. A SCR of less than 4% was achieved without the use of optical diffusers, which significantly reduces optical losses. Optical transmission could be further increased with the optimization of optical coatings on the lenses. This result shows great promise for applications such as laser pico-projectors within the realm of heads-up displays (HUDs) and mobile devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,295
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Research ExpressMême sujetAdvanced Optical Imaging TechnologiesTravaux en français237 207