[發明專利]一種基于深度學習的干涉圖像相位解調方法

有效

• 申請號: 202110885403.9
• 申請日: 2021-08-03
• 公開（公告）號: CN113340211B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 孫喜博;張穎;耿遠超;馬文靜;黃晚晴;劉蘭琴;王文義;袁強;胡東霞;鄧學偉;袁曉東
• 申請（專利權）人: 中國工程物理研究院激光聚變研究中心
• 主分類號: G01B11/02
• 分類號: G01B11/02;G01J9/02;G06N3/08
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 于晶晶

本發明涉及一種基于深度學習的干涉圖像相位解調方法，屬于激光干涉測量技術領域，隨機生成測量光與參考光之間光程差，采集干涉圖像并計算獲得旋轉角度，建立輸入輸出數據集，搭建卷積神經網絡模型，利用訓練數據集對卷積神經網絡模型進行迭代優化，直至利用測試數據集對卷積神經網絡模型進行驗證時效果符合終止條件，采集待解調的干涉圖像，并輸入到訓練后的卷積神經網絡模型，輸出待解調的旋轉角度，計算得到測量光相位變化信息，本發明取代了傳統的干涉圖像解調算法，能夠實現快速、高精度干涉相位解調，提高測量精度。

技術領域

本發明屬于激光干涉測量技術領域，具體地說涉及一種基于深度學習的干涉圖像相位解調方法。

背景技術

納米位移測量技術是解決目前和未來許多高精度、高分辨率問題的先決條件之一，是納米科技領域的先導和基礎。隨著精密、超精密及納米級加工技術的迅猛發展，零件尺寸的下界越來越小，加工精度的要求也越來越高，而測量是精密、超精密加工技術的基礎與保障。例如集成電路芯片制造過程中線寬測量與定位、半導體精密模板制造、現代數控機床運動檢測與校準、高精度位移傳感器標定、精密關鍵零部件加工等，都需要納米級甚至亞納米級的位移測量。

納米位移測量方法主要分為兩大類，一類是非光學測量方法，包括掃描探針顯微術(SPM)、電容電感測微法、電子顯微術等；另一類是光學測量方法，包括光柵干涉儀法、X射線干涉儀法以及各類激光干涉儀等。其中，激光干涉儀具有測量精度高、測量速度快、非接觸性等優點，已被廣泛運用于精密測量中。目前，激光干涉測量位移是通過對干涉條紋的移動條數進行計數來獲得物體的位移信息，但是，條紋的移動數目存在著取值不為整數的局限性，且小數部分數值較難求出，影響測量精度以及分辨率。對小數部分進行細分，利用人工估讀出小數部分的值，導致給最終測量結果帶來誤差，其不確定度大約為0.07個干涉條紋。相較于人工估讀，利用先進的電子設備能夠測量探測到0.02個干涉條紋。但是，納米位移測量精度仍然有待進一步提高。

發明內容

發明人在長期實踐中發現：基于渦旋光束干涉機理的納米測量方法，能夠將連續光程變換轉換為連續的旋轉變化，通過圖像分析處理獲得干涉圖樣的旋轉角度，進而獲得相位變化量。相比較于普通高斯光干涉條紋計數的方法，無需將小數部分數值單獨進行考慮，解決了傳統測量中對干涉條紋小數部分數值估讀（機讀）對測量精度的影響，提高系統測量精度。但是，目前常用的渦旋光束干涉圖像旋轉識別處理方法有質心算法和尺度不變特征轉算法等，角度識別精度在數十mrad，同時，由于通常所需要處理的對象為CCD輸出數據，單圖數據量較大，相應處理時間較長。為了解決上述問題，現提出一種基于深度學習的干涉圖像相位解調方法。

為實現上述目的，本發明提供如下技術方案：

一種基于深度學習的干涉圖像相位解調方法，包括以下步驟：

步驟S1、隨機生成測量光與參考光之間光程差，采集干涉圖像并計算獲得旋轉角度；

步驟S2、將步驟S1中干涉圖像與旋轉角度形成輸入輸出數據集，將輸入輸出數據集分為訓練數據集與測試數據集；

步驟S3、搭建卷積神經網絡模型，利用訓練數據集對卷積神經網絡模型進行迭代優化，直至利用測試數據集對卷積神經網絡模型進行驗證時效果符合終止條件；

步驟S4、采集待解調的干涉圖像，并輸入到訓練后的卷積神經網絡模型，輸出待解調的旋轉角度，計算得到測量光相位變化信息。

進一步，步驟S1中，參考光和測量光均為具有螺旋相位的偏振光束，測量光照射至物體上，參考光和測量光干涉形成瓣狀且旋轉的干涉圖像，當物體發生位移時，位移前的干涉圖像與位移后的干涉圖像之間存在旋轉角度。

進一步，已知測量光與參考光之間光程差，通過測量光與參考光之間光程差和旋轉角度的表達式，得到旋轉角度。

進一步，步驟S2中，通過生成系列隨機光程差，將步驟S1中干涉圖像與旋轉角度形成輸入輸出數據集。