一种基于卷积神经网络的双波长共相检测方法

本发明属于主动光学，设计一种新型的拼接镜共相误差(piston) 检测方法，尤其涉及一种基于卷积神经网络的双波长共相误差的快速检测方法。

背景技术：

1、为了获得更清晰地图像，需要增大望远镜的角分辨率，在波长一定的情况下，望远镜角分辨率与其孔径大小成反比。因此，需建造更大口径的望远镜。由于成本和技术等原因，目前单块镜口径极限8米级，而采用拼接型望远镜，使8米级及更大孔径望远镜的建造成为了可能。然而，拼接镜应用也带来新的难题，其中拼接镜各子镜的相对位置的误差，严重影响望远镜最终的成像质量，为了获得与其口径相当的单口径分辨率，必须使拼接镜精确共相。

2、为了获得高质量的图像，拼接镜的piston误差必须小于λ/40,目前常见的修正piston误差的主要包括相位差法、曲率传感器法、宽窄带相位算法、四棱锥传感器法、色散条纹传感器法等，但这些方法都无法同时达到大量程、高精度、高能量利用率、较快速度的检测。目前双波长算法虽然能够有效解决2π模糊效应，但其在检测大量程时，运算速度较慢，不能实现拼接镜的快速共相检测的要求。

3、为此，本发明提出一种利用卷积神经网络的双波长piston误差的快速检测方法，以解决双波长检测速度过慢，达到快速检测拼接镜系统中的piston误差的目的。

技术实现思路

1、本发明针对目前双波长共相误差检测技术计算复杂、效率低下等的问题，提出了一种基于卷积神经网络的piston误差的快速检测方法。

2、本发明采用的技术方案：

3、基于卷积神经网络的piston误差的快速检测方法。其特征是，包括以下步骤：

4、步骤一，基于圆孔的夫琅禾费衍射原理，并通过在拼接子镜间放置圆孔掩膜，根据该圆孔的夫琅禾费衍射信息随piston变化来计算得到子镜的piston误差。通过圆孔衍射理论分析，得到远场光斑衍射图案。

5、步骤二，利用双波长共相检测方法，选择合适的两个波长，通过软件仿真得到圆孔衍射图案数据集，同时构建卷积神经网络并利用建立的数据集训练圆孔衍射图案与piston误差的卷积神经网络模型。

6、步骤三，卷积神经网络构建完成后，通过在拼接镜系统子镜间放置圆孔掩膜，并采集对应波长下的圆孔衍射图案，作为神经网络的输入。利用步骤二训练好的卷积神经网络模型，直接输出子镜的piston误差。

7、进一步的，步骤一具体包括一下步骤：

8、得到的圆孔衍射图案光强分布公式如下：

9、i(ω,kδ)＝f2(ω,kδ)＝[f(ρ,0)cos(kδ)+f(ρ,π/2)sin(kδ)]2     (1)

10、其中，δ为拼接镜piston误差，k＝2π/λ,ω为理想单色光在孔径像平面位置向量,ρ为理想单色光在孔径平面的位置向量。

11、如图1所示为δ从-λ/4到λ/4变化时得十一张理论衍射图案。

12、进一步的，步骤二具体包括一下步骤：

13、步骤二采用双波长共相检测方法，其特征在于运用双波长消除2π模糊效应。双波长检测的实际周期为：

14、

15、其中，n的取值范围为：

16、(假设λ1<λ2,n取整数)(3)

17、实际检测范围与选取模板间隔关系式为：

18、

19、其中，λ1,λ2为波长,δ为模板间隔。

20、进一步的，步骤三具体包括一下步骤：

21、所用卷积神经网络为mobilenetv2卷积神经网络，其结构如图4所示。其中t代表的是扩展因子(倒残差结构中第一个1x1卷积的扩展因子)，c代表输出特征矩阵的channel，n代表倒残差结构重复的次数，s代表步距。利用深度学习工具tensorflow构建该卷积神经网络。将拼接后的圆孔衍射图案作为训练样本数据，对应的piston误差作为样本标签，进行网络的训练。数据分为两种，分别为训练集和验证集。训练集用于学习网络的权重和偏值；验证集用于评估网络性能，最终完成远场光斑图像和子镜piston误差的卷积神经网络映射模型的构建。

22、本发明的有益效果是：

23、相比于传统的基于类互相关算法的双波长检测，本发明通过构建圆孔衍射图案与子镜piston误差的映射关系模型来取代传统的类互相关算法，大大缩短了求解piston误差的计算时间。

技术特征：

1.基于卷积神经网络的双波长共相误差(piston)的快速检测方法，其特征是，包括以下步骤：

2.根据权利1所述的基于卷积神经网络的双波长共相误差(piston)的快速检测方法，其特征在于，所述步骤二中卷积神经网络模型的建立过程如下：

技术总结
一种基于卷积神经网络的双波长共相误差(piston)的快速检测方法，属于主动光学技术领域，针对目前双波长共相检测技术匹配时间长，效率低下的问题，该方法包括：一、基于双波长共相检测方法，根据圆孔衍射原理，建立双波长圆孔衍射图案数据集；二、构建卷积神经网络并利用建立的数据集训练圆孔衍射图案与子镜piston误差的卷积神经网络模型；三、在拼接镜系统中，采集双波长窄带光谱光源下圆孔衍射图案作为网络模型的输入，利用构建好的卷积神经网络输出子镜的piston误差。本发明利用卷积神经网络实现了大范围、高效率的双波长平移误差探测，且该方法具有一定的抗噪性。

技术研发人员：李斌,杨阿坤,韩昭洋,邹吉平,欧阳爱国
受保护的技术使用者：华东交通大学
技术研发日：
技术公布日：2024/1/16