大尺寸光学元件光强传输方程非干涉在位检测方法研究
项目来源
项目主持人
项目受资助机构
立项年度
立项时间
项目编号
研究期限
项目级别
受资助金额
学科
学科代码
基金类别
关键词
参与者
参与机构
项目受资助省
项目结题报告(全文)
1.光学条纹图深度学习处理技术研究
- 关键词:
- 干涉测量;条纹图处理;噪声处理;相移技术;深度学习
- 闫恪涛
- 指导老师:上海大学 于瀛洁
- 0年
- 学位论文
传统光干涉测量术、电子散斑干涉测量术、全息干涉测量术等光学干涉测量法具有非接触、高精度、高灵敏性等优势,已广泛应用于各个领域。如光干涉测量术可用于对加工质量与检测精度均具有较高要求的光学元件的物理量检测,电子散斑干涉测量术可对微米量级的粗糙表面工件实现无损全场检测。在光学干涉条纹图解调过程中,条纹噪声干扰、相位提取算法的可适用性等因素对相位检测精度产生影响。目前多数传统的去噪技术需要较高的计算成本与参数调整,另外广泛应用的相移技术需要额外相移器和较稳定的检测环境以实现高精度测量,且多数相位提取技术难以对少帧条纹图和在较少人为操作的情况下去实现高精度、实时相位提取。因此,探索一种高效的条纹图处理技术解决目前存在的问题具有重要意义。干涉测量法产生的条纹图在物理上具有严格的理论模型,深度学习具有出色的归纳和学习能力,这为条纹图模型的解析提供了一种新的技术支撑和解调思路。本文提出基于深度学习的条纹图处理技术,主要对条纹图噪声处理、包裹相位噪声处理和相位提取三个关键技术展开研究,以实现高精度测量、快速处理和自动处理的高效测量性能。本文主要工作及创新点如下:(1)端到端的卷积神经网络条纹图去噪技术研究目前多数条纹图去噪技术通常具有较大计算量、人为调整参数和需要事先预知条纹走向等缺点,因此难以在恢复高质量条纹图的同时实现快速和自动处理。基于干涉测量基本原理,本文提出端到端的卷积神经网络法对条纹噪声处理以提高测量精度,采用多层卷积神经网络对噪声条纹平滑处理,实现了高效的条纹去噪分析。训练后的模型可以从噪声条纹中直接估计出无噪声的条纹,且无需像大多数传统的去噪方法需人为调整参数。数值模拟证明了该预处理技术可有效改善条纹质量,进而提高了相位测量精度。(2)基于残差学习的包裹相位去噪技术研究包裹相位中的噪声干扰容易影响解包裹和面形检测精度。传统去噪方法(如均值滤波和中值滤波)容易导致条纹模糊,从而引入相位失真。本文提出了基于残差学习的包裹相位去噪方法,其策略是对反正切函数的分子(正弦函数)与分母(余弦函数)去噪,去噪后的分子与分母经反正切函数计算获得干净的包裹相位图。所提出的方法处理干涉测量术中包裹相位,信噪比(SNR)值达到-4d B时仍可经简单的行扫描解包裹技术成功地展开。同时,此研究技术进一步应用在散斑噪声的去除之中,对数字全息散斑干涉测量术中的包裹相位图去噪以帮助工件的结构诊断。经实验分析,该去噪方法有助于在复杂的缺陷形貌图中准确地检测缺陷,并加速缺陷的检测和表征过程。(3)基于生成对抗网络的虚拟时域相移相位提取技术研究时域相移技术一般利用压电陶瓷相移器(PZT)来记录多幅相移条纹图,且需要稳定的测量环境。本文提出基于生成对抗网络的虚拟时域相移技术,可从初始干涉条纹图中估计多幅虚拟相移条纹图,然后经多步相移法对相位提取。数值模拟与实验分析验证了该方法能够实现高精度的相位提取,多组实测结果与ZYGO干涉仪对比,其面形检测误差的PV平均值不超为0.0101λ,RMS平均值不超过0.0024λ。此技术由于不依赖于硬件相移设备而大大降低了应用成本,能够实现单幅条纹图的处理精度接近于相移干涉测量精度,并可用于动态测量。研究工作为光学干涉测量领域提供新的条纹图处理方法,通过对提出的研究工作系统地仿真和实验分析,验证了研究工作的正确性,为干涉仪和电子散斑测量仪的工程化开发和应用提供新的关键技术基础。
...
