基于深度神经网络的单幅干涉图波前质量参数读取方法与流程

技术特征：
1.一种基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于包括以下步骤：1)根据干涉图尺寸要求设计干涉图处理深度神经网络，该干涉图处理深度神经网络包含1个输入层，多个卷积块，至少2个全连接层，和至少1个输出层；2)利用计算机模拟生成理想无噪声干涉图并进行标注编码，作为理想训练集和理想标签集；3)利用计算机模拟生成含噪声干涉图并进行标注编码，作为噪声训练集和噪声标签集；4)利用理想训练集和理想标签集预先训练深度神经网络；5)利用噪声训练集和噪声标签集再次训练深度神经网络；6)将需要读取波前质量参数值的真实干涉图输入训练好的深度神经网络，输出对应干涉图的波前质量参数值。2.根据权利要求1所述的基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于所述的波前质量参数包括pv值、rms值和zernike系数。3.根据权利要求1所述的基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于所述的卷积块的数量为4个及以上。4.根据权利要求1或3所述的基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于每块卷积块包含至少2个卷积层。5.根据权利要求1或3所述的基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于所述的卷积块包含1个最大池化层。6.根据权利要求4所述的基于深度神经网络的单幅干涉图波前质量参数读取方法，其特征在于所述的卷积层的卷积核大小为3
×
3。

技术总结
一种基于深度神经网络的单幅干涉图波前质量参数读取方法。光学车间利用干涉仪获取干涉图，通过人工判读法、条纹跟踪法、傅里叶变换法和相移法从干涉图中获取PV值、RMS值等波前质量参数。但人工判读法依赖检测人员的经验，不利于加工制造厂商工艺流程的标准化和客观化，条纹跟踪法数据处理速度较慢，傅里叶变换法对干涉图局部瑕疵较为敏感，相移法系统成本较高，制约了它们的广泛应用。本方法利用仿真干涉图训练神经网络模型，训练好的模型能够代替人工法快速准确的从单幅干涉图中读取PV值、RMS值等波前质量参数。RMS值等波前质量参数。RMS值等波前质量参数。


技术研发人员：李佳翰 唐锋 王向朝 卢云君
受保护的技术使用者：中国科学院上海光学精密机械研究所
技术研发日：2020.04.29
技术公布日：2021/10/28