科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对相位反演算法多次迭代、实时性较低的不足,提出一种基于离焦探测的深度学习相位反演方法。只需光电探测器实时测量一帧离焦光斑数据作为网络输入,用泽尼克系数作为网络的输出,即可用训练好的模型快速进行波前复原。建立了数值仿真模型,分析了光电探测器像素数和训练数据集大小对网络模型复原精度的影响。研究结果表明,经过充分训练后,网络模型的损失函数最低可以达到0.017 7,能够较为准确的进行波前复原,波前复原残差的均方根为0.352 6,泽尼克系数残差均方根为0.053 0,且随着光电探测器像素数和训练数据量加大,波前复原越来越准确。
- 单位
