基于深度学习的拼接镜共相检测新方法研究

基于互相关算法的双波长共相检测方法在大量程共相误差检测中，存在检测速度慢、精度低的问题。针对该问题，利用卷积神经网络的方法建立拼接镜的平移（piston）误差预测模型，以实现双波长共相检测方法在大量程共相误差下的快速、准确检测。首先，将两波长下的圆孔衍射图像拼接作为卷积神经网络的训练数据。训练结束后，将包含piston误差信息的圆孔衍射拼接图像输入到训练好的模型中，可直接检测出piston误差值。仿真结果表明：基于卷积神经网络的共相方法具有高的检测精度、快的检测速度及较好的抗噪性和泛化能力。该方法为平移误差的测量提供了一种可行且易于实现的方案。