基于深度学习的光学表面杂质检测

• 作者: 张瑶 张云波 陈立
• 来源期刊: 物理学报
• 关键词: 光学杂质缺陷 机器学习 神经网络 深度学习
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 物理学交叉学科及有关科学技术领域|INTERDISCIPLINARY PHYSICS AND RELATED AREAS OF SCIENCE AND TECHNOLOGY
• 页码范围: 347-355
• 页数: 9页
• 语种: 中文
• DOI: 10.7498/aps.70.20210403

摘要

在基于激光技术的现代光学实验和光学应用中,光学元器件表面的微杂质和微缺陷是影响光学系统精密程度的主要因素之一,因而光学表面杂质和缺陷的定位检测是一个重要的问题.本文提出利用深度神经网络来辅助光学杂质检测的理论方案.模拟了一束探测激光脉冲照射到具有单个微小杂质的光学表面时,反射信号和透射信号中所携带杂质的位置信息可被一个深度卷积神经网络学习并定位.此外,通过改变杂质大小、折射率等属性生成了一系列泛化数据集,并讨论了神经网络在泛化数据集上的表现.泛化结果表明,神经网络对杂质位置的预测能力具有较高的鲁棒性.最后,还对比了卷积神经网络和全连接神经网络这两种不同架构网络的学习能力.