基于深度學習的光學表面雜質檢測*

張瑤 張云波 陳立?

1) (山西大學理論物理研究所, 量子光學與光量子器件國家重點實驗室, 太原 030006)

2) (浙江理工大學物理系, 浙江省光場調控重點實驗室, 杭州 310018)

在基于激光技術的現代光學實驗和光學應用中, 光學元器件表面的微雜質和微缺陷是影響光學系統精密程度的主要因素之一, 因而光學表面雜質和缺陷的定位檢測是一個重要的問題.本文提出利用深度神經網絡來輔助光學雜質檢測的理論方案.模擬了一束探測激光脈沖照射到具有單個微小雜質的光學表面時, 反射信號和透射信號中所攜帶雜質的位置信息可被一個深度卷積神經網絡學習并定位.此外, 通過改變雜質大小、折射率等屬性生成了一系列泛化數據集, 并討論了神經網絡在泛化數據集上的表現.泛化結果表明, 神經網絡對雜質位置的預測能力具有較高的魯棒性.最后, 還對比了卷積神經網絡和全連接神經網絡這兩種不同架構網絡的學習能力.

精密的光學元器件是現代光學實驗和激光應用中不可或缺的組成部分, 例如光學晶體、分光鏡、光學玻片等廣泛應用于量子光學以及基于光子的量子計算[1-3]、量子通信實驗中[4-6]; 在日常生活中, 小到手機鏡頭、液晶屏幕, 大到衛星導航, 激光定位都離不開光學薄膜等光學器件.然而, 精密光學器件的表面往往是最重要但又最容易受到損傷的地方.已有大量的研究表明, 光學表面的雜質和缺陷不但會大大影響……