目录

第1章绪论

1.1迈向“智慧光子学”时代

1.1.1信息爆炸与光电子学的战略地位

1.1.2“光+AI”共振： 从算法到材料的范式突变

1.2人工智能赋能光电子学的核心应用场景

1.2.1智能感知与计算机视觉

1.2.2自主系统与激光雷达目标识别

1.2.3超宽带通信与量子安全链路

1.2.4分布式光学大算力

1.3多学科协同的机遇与挑战

1.4本书结构与阅读指引

参考文献

第2章基于光电与雷达感知系统的人体目标状态分析与识别技术

2.1基于连续波雷达的光电子AI智能感知基础

2.1.1信号处理与AI算法驱动的融合识别方法

2.1.2发射信号特性与光电增强设计

2.2人体回波模型

2.3人体目标状态分析与识别的基本流程

2.4雷达信号识别的技术方法

2.4.1基于传统信号处理的方法

2.4.2基于机器学习的方法

2.4.3基于深度学习的方法

2.4.4基于图像表示的方法

2.5雷达信号分析的应用

2.5.1人体目标姿态与跟踪

2.5.2人体目标动作识别

2.5.3人体目标生命状态识别

2.6案例研究： 雷达信号识别与分析的实际应用

2.6.1场景描述

2.6.2技术实施过程

2.6.3算法的实验结果与评估

2.7光电雷达多模态特征融合的精准人体识别

2.7.1基于超表面级联与自适应核函数的人体姿态边缘检测

2.7.2超表面级联光电器件设计与制作

2.7.3自适应核函数算法及数学表达式

2.7.4损失函数及参数更新

2.7.5基于光电+多普勒雷达谱的人体姿态检测原理

2.8本章小结

参考文献

第3章光电子材料与人工智能辅助开发光电子材料的实例分析

3.1新型光电子材料概述

3.2二维材料： 光子的“魔毯”

3.2.1二维材料的主要特性

3.2.2二维材料的具体实例

3.2.3二维材料在全光通信中的应用实例分析

3.2.4二维材料的无限可能

3.3二维材料制备方法及AI驱动下的制备技术优化

3.3.1二维材料的主要制备方法

3.3.2结合AI技术优化材料制备

3.4利用人工智能对二维材料特性进行实例分析

3.4.1预测二维材料的带隙： 方法论深化

3.4.2利用AI预测二维二硫化锰（MnS2）的带隙： 问题设定与

注意事项

3.4.3人工智能算法预测并计算MnS2带隙： 流程与实现建议

3.5本章小结

参考文献

第4章高光谱成像器与光学编码器

4.1基于单像素光电探测器的视频率高光谱成像器

4.1.1光学和硬件系统

4.1.2基于CS的联合空间光谱编码

4.1.3稀疏感知的基本思想、稀疏矩阵构成原理

4.1.4高光谱的定义

4.1.5基于深度学习方法的高光谱视频重建

4.1.6小结与扩展

4.2基于衍射网络实现单像素计算机视觉光谱编码

4.2.1宽带衍射光学网络设计原理

4.2.2基于衍射网络的光谱编码数学建模

4.2.3衍射网络与解码ANN的协同优化

4.2.4基于多波段衍射网络端到端协同训练网络

4.2.5多尺度可重构光电混合网络的端到端协同优化与

自适应深度解码

4.3面向非相干红外辐射的宽带大孔径超表面边缘编码器

4.3.1超表面设计原理与方法

4.3.2超表面相位片制作

4.3.3逆向设计超表面优势

4.3.4超表面仿真原理与代码示例

4.3.5西门子星训练方法

4.4本章小结

参考文献

第5章图像传感器与人工智能

5.1图像传感器基本原理与前沿技术总览

5.1.1图像传感器的制作原理

5.1.2图像传感器的前沿技术纵览

5.1.3光电集成与光谱成像

5.1.4图像传感器的未来发展趋势

5.2人工智能侵入式质子图像传感器

5.3模型网络架构及训练方法

5.3.1质子图像传感器的数学模型

5.3.2忆阻器的数学模型

5.3.3神经网络架构

5.4图像传感器应用案例

5.4.1质子图像传感器在神经网络中的应用

5.4.2基于全息光学原理和人工智能的图像重构

5.4.3MoS2新型图像传感器

5.4.4MoS2等二维材料在电子和光学领域的巨大潜力

5.4.5新材料与器件

5.4.6二维材料的制备技术

5.4.7人工智能在图像传感器设计中的作用

5.4.8MoS2图像传感器的质量和处理速度提升方法

5.4.9MoS2新型图像传感器应用领域与前景展望

5.4.10mfRI脑电图像补全

5.5先进CMOS图像传感器

5.5.1CMOS 图像传感器的演进与应用概述

5.5.2先进 CMOS 图像传感器的定义及其重要性

5.5.3CMOS 图像传感器的基本原理

5.5.4先进 CMOS 图像传感器的关键技术

5.5.5典型制造流程(10Mpx BSI Stacked CIS示例)

5.5.6面向场景的应用示例

5.6本章小结

参考文献

第6章量子通信的智慧之光： 探索人工智能的量子世界

6.1量子通信简介

6.1.1量子通信基本概念

6.1.2量子密钥分发

6.1.3离散变量量子密钥分发

6.1.4连续变量量子密钥分发

6.1.5量子隐形传态

6.2量子通信基础

6.2.1量子比特

6.2.2量子纠缠

6.2.3量子测量

6.3人工智能在量子通信中的应用

6.3.1人工智能在通信领域的应用现状

6.3.2人工智能在量子通信中的角色

6.4量子通信与人工智能的未来展望

6.4.1人工智能在量子通信中的应用前景

6.4.2量子通信与人工智能的深度融合

6.4.3多量子纠缠态量子相干通信原理

6.5基于人工智能的量子通信优化

6.5.1大规模量子比特处理的模拟器设计

6.5.2人工智能与基于多量子纠缠态的量子相干通信

6.6本章小结

参考文献

第7章光电子学在计算机视觉领域中的应用

7.1引言

7.1.1光电子学与计算机视觉的协同演进

7.1.2跨光域智能： 全球创新力量如何重塑光电子计算机

视觉生态

7.1.3以光启智： 我国光电子计算机视觉融合的加速度

7.1.4光子智能计算驱动的计算机视觉新纪元

7.2人工智能在光学成像和计算机视觉领域的应用

7.2.1AI增强的视觉处理数学模型

7.2.2深度学习算法

7.3基于改进YOLOv5的电容器表面缺陷检测

7.3.1电容器表面缺陷检测系统搭建

7.3.2基于MobileNetV3的骨干优化

7.3.3基于GSConv的轻量化颈部重构

7.3.4损失函数的优化

7.3.5实验结果及分析

7.3.6对本节方案的综合性能评估

7.3.7可视化分析

7.3.8消融实验

7.3.9常用工业缺陷数据集比较

7.3.10基于PyQt5的检测系统的设计与实现

7.4本章小结

参考文献

第8章智慧光纤： 人工智能引领的光通信新纪元

8.1光纤通信的基本原理与技术

8.1.1光纤结构

8.1.2信号传输

8.1.3光纤放大器

8.1.4光孤子与光纤放大器完美搭档实现高速宽带太赫兹光通信

8.1.5波分复用技术

8.1.6光纤通信系统的组成

8.2AI在光纤通信中应用

8.2.1AI在光纤通信网络中的智能信号处理

8.2.2AI驱动下的自动化光纤通信网络管理

8.3AI协助设计新型的光通信器件

8.3.1光通信发展趋势、机遇与挑战分析

8.3.2前沿新型光通信器件的类型

8.4本章小结

参考文献