科研之友
微信
新浪微博
Facebook
分享链接
摘要
在激光投影、结构光和光束整形等特种照明或光电应用中，常需要一个非成像光学系统来实现特定的配光设计。建立一个配光方程来描述该光学系统，并通过对光束、光学面和目标面的离散化处理，利用子面光程K与目标点能量E之间的映射关系得到程能映射下的配光方程。尽管程能映射中相邻子面光程之间存在复杂的非线性竞争，但K与E之间存在良好的单调映射关系，这为引入深度神经网络来拟合程能映射提供基础。利用深度学习实现配光方程逆问题的求解，获得所需要的自由光学曲面。以英文字母和阿拉伯数字为训练集，输入点阵规模为28×28,通过对三层神经网络进行多维度调参和训练，实现了相应字符照度分布的光学曲面设计。光学仿真结果的结构相似度达到了99.97%,这表明深度神经网络通过学习可以记住(或存储)各个字符的光学曲面，相当于建立了一个高效且可扩容的智能光学字符库。基于复杂介质建立的基础配光方程可为现有配光方法提供一个基础理论框架，有助于形成非成像光学理论的系统性表述。
- 单位
