1.一种基于深度学习的光学自干涉数字全息重构方法，其特征在于，所述光学自干涉数字全息重构方法包括以下步骤：
2.如权利要求1所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s2中，所述菲涅尔全息图的所述相移量至少包括0、2π/3、4π/3。
3.如权利要求2所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s3中，对所述菲涅尔全息图进行反向传播，记录反向传播的所述菲涅尔全息图作为输入数据的步骤，具体为：
4.如权利要求1所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s4中，所述卷积神经网络使用均方根误差计算其输出与所述相位重构图之间的差异。
5.如权利要求1所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s4中，所述卷积神经网络使用梯度下降法优化网络参数。
6.如权利要求1所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s4中，所述卷积神经网络使用的loss函数为其输出与所述相位重构图之间的均方根之和。
7.如权利要求1所述的基于深度学习的光学自干涉数字全息重构方法，其特征在于，步骤s6中，结合所述训练误差曲线、所述测试误差曲线，对所述卷积神经网络进行优化调整的步骤，具体为：
8.一种基于深度学习的光学自干涉数字全息重构系统，其特征在于，包括：