离轴抛物面镜失调的调节方法技术

一种离轴抛物面镜失调的调节方法，该方法通过图像传感器对离轴抛物面镜焦斑进行单次记录，利用含有深度学习模型的图像处理单元分析变形的焦斑，获得当前离轴抛物面镜的失调误差，再通过所述的多轴调节装置实现离轴抛物面镜的精准调节。本方法具有鲁棒性强、精度高、全自动化、速度快的优点，有助于离轴抛物面镜的高效调节。高效调节。高效调节。

【技术实现步骤摘要】
离轴抛物面镜失调的调节方法


[0001]本专利技术涉及离轴抛物面镜，特别是一种离轴抛物面镜失调的调节方法。

技术介绍

[0002]由于离轴抛物面镜属于没有单色像差和非线性效应的离轴反射型元件，非常适用于作为成像测量以及强激光聚焦的光学元件，在天文、航空、高功率激光等领域广泛应用。但相比传统的非离轴光学元件，离轴抛物面镜的容差很小，对装调精度要求极高，微小的失调误差都会导致焦斑的严重退化。因此，在实际实验中，需要对离轴抛物面镜进行高质量调节。现有的离轴抛物面镜校准方法主要是基于分析焦斑强度分布来调节，无法根据焦斑形态直接测量出失调量，因此实际过程需要通过多次反复调节来逐渐逼近最优焦斑，调节过程繁琐，影响实验效率。

技术实现思路

[0003]为了克服现有离轴抛物面镜光路失调测量方法的不足，本专利技术提出了一种离轴抛物面镜失调的调节方法。本方法具有鲁棒性强、精度高、全自动化、速度快的优点，有助于离轴抛物面镜的高效调节。
[0004]本专利技术采用以下技术方案实现：
[0005]一种离轴抛物面镜失调的调节方法，其特点在于，该方法包括如下步骤：
[0006]1)离轴抛物面镜固定在多轴调节装置的控制端，图像传感器位于所述的离轴抛物面镜焦点位置，所述的图像传感器的输出端与含有深度学习模型的图像处理单元的输入端相连，所述的含有深度学习模型的图像处理单元的输出端与所述的多轴调节装置的输入端相连，将所述的输入光源的输出光经过所述的离轴抛物面镜聚焦并入射到所述的图像传感器中，成像出焦斑图像；
>[0007]2)所述的图像传感器将所述的焦斑图像输入所述的含有深度学习模型的图像处理单元；
[0008]3)所述的含有深度学习模型的图像处理单元对所述的焦斑图像进行处理后，显示当前焦斑图像对应的离轴抛物面镜的光轴与输入光源的光轴的N个元素的误差向量，并向所述的多轴调节装置输出，其中，N是所述的多轴调节装置的可调整维度，N个元素的误差向量X1、X2、
……
、XN相对应维度的误差向量的元素值为E1、E2、
……
、EN；
[0009]4)所述的多轴调节装置根据所述的N个元素的误差向量的元素值E1、E2、
……
、EN，通过所述的多轴调节装置对应维度的调节，使所述的离轴抛物面镜的光轴与所述的输入光源的光轴的误差达到最小，即完成所述的离轴抛物面镜的失调的调节。
[0010]所述的含有预训练深度学习模型的图像处理单元对所述的焦斑图像的处理方法包括下列步骤：
[0011]1)对输入的焦斑图像进行图像分割预处理，从大面积的背景中分割出焦斑区域；
[0012]2)对分割后的焦斑图像进行图像增强处理，提升分辨率，适配算法模型；
[0013]3)将增强处理后的焦斑图像输入预训练完成的CNN回归网络，输出并显示误差向量，误差向量的每个元素分别对应所述多轴调节装置的一个可调整维度，所述的一个可调整维度的元素值即为所述的多轴调节装置对应调整维度的误差。
[0014]所述的含有预训练深度学习模型的图像处理单元在CNN回归网络预训练前的工作，包括下列步骤：
[0015]1)根据当前实验器件的参数，基于所述的离轴抛物面镜的光传输模型，获取所述的离轴抛物面镜的调节误差对应的焦斑强度图的数据集；
[0016]2)通过调节所述的离轴抛物面镜的光传输模型的输入光束参数，如束腰半径、通光口径等，获取不同输入光参数下所述的离轴抛物面镜调节误差所对应的焦斑强度图的数据集；
[0017]3)预训练前还需要根据场景需要对数据集进行数据增广，扩充得到所述的离轴抛物面镜的多个调节误差所对应的焦斑强度图的数据集，包括：实际图像传感器的像元大小与仿真的差异，对数据集进行缩放变换；调节所述的离轴抛物面镜时，所述的图像传感器的焦点平移，对数据集图像进行平移变换。
[0018]所述的CNN回归网络数据集的制作方法，可以在光学软件中建立离轴抛物面镜的模型，使用软件的物理光学传播模块输出离轴抛物面镜同失调误差时的焦斑图像，保存为数据集；也可以将离轴抛物面镜的光传输物理模型建立在CNN回归网络内，训练时生成不同失调误差时的焦斑图像。
[0019]相比现有技术，本专利技术的创新点在于：
[0020]1.本专利技术方法基于卷积神经网络对离轴抛物面镜进行失调测量，通过一次失调测量和调节即可实现失调误差的精确调节，避免了传统方法需要多次反复调节的繁琐问题，可提高实验调节效率。
[0021]2.本专利技术方法提出的神经网络模型可兼顾多种输入参数的训练，适应各种实验场景，鲁棒性强。
[0022]3.本专利技术方法只需要少数的光学元件即可实现离轴抛物面镜的单次失调测量，易于集成。
[0023]总之，本专利技术方法具有鲁棒性强、精度高、全自动化、速度快的优点，有助于离轴抛物面镜的高效调节。
附图说明
[0024]图1是本专利技术离轴抛物面镜失调的调节方法的光路示意图
[0025]图2是CNN回归网络一个4层卷积单元和一个3层全连接单元实施例示意图
具体实施方式
[0026]为使本专利技术的实施目的、技术方案和技术效果更加清楚，下面将结合实施例中的附图，对本专利技术实施例进行清楚、完整地描述。在本申请的描述中，需要理解的是，术语仅是为了便于描述本申请和简化描述，因此不能理解为对本申请的限制。
[0027]先请参阅图1，由图可见，本专利技术离轴抛物面镜失调的调节方法，其特点在于，该方法包括如下步骤：
[0028]1)离轴抛物面镜2固定在多轴调节装置5的控制端，所述的图像传感器3位于所述的离轴抛物面镜2焦点位置，所述的图像传感器3的输出端与所述的含有深度学习模型的图像处理单元4的输入端相连，所述的含有深度学习模型的图像处理单元4的输出端与所述的多轴调节装置5的输入端相连，将所述的输入光源1的输出光经过所述的离轴抛物面镜2聚焦并入射到所述的图像传感器3中，成像出焦斑图像；
[0029]2)所述的图像传感器3将所述的焦斑图像输入所述的含有深度学习模型的图像处理单元4；
[0030]3)所述的含有深度学习模型的图像处理单元4对所述的焦斑图像进行处理后，显示当前焦斑图像对应的离轴抛物面镜2的光轴与输入光源1的光轴的N个元素的误差向量，并向所述的多轴调节装置5输出，其中，N是所述的多轴调节装置5的可调整维度，N个元素的误差向量X1、X2、
……
、XN相对应维度的误差向量的元素值为E1、E2、
……
、EN；
[0031]4)所述的多轴调节装置5根据所述的N个元素的误差向量的元素值E1、E2、
……
、EN，通过所述的多轴调节装置5对应维度的调节，使所述的离轴抛物面镜2的光轴与所述的输入光源1的光轴的误差达到最小，即完成所述的离轴抛物面镜2的失调的调节。
[0032]所述的含有预训练深度学习模型的图像处理单元4对所述的焦斑图像的处理方法包括下列步骤：
[0033]1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离轴抛物面镜失调的调节方法，其特征在于，该方法包括如下步骤：1)离轴抛物面镜(2)固定在多轴调节装置(5)的控制端，图像传感器(3)位于所述的离轴抛物面镜(2)焦点位置，所述的图像传感器(3)的输出端与含有深度学习模型的图像处理单元(4)的输入端相连，所述的含有深度学习模型的图像处理单元(4)的输出端与所述的多轴调节装置(5)的输入端相连，将输入光源(1)的输出光经过所述的离轴抛物面镜(2)聚焦并入射到所述的图像传感器(3)中，成像出焦斑图像；2)所述的图像传感器(3)将所述的焦斑图像输入所述的含有深度学习模型的图像处理单元(4)；3)所述的含有深度学习模型的图像处理单元(4)对所述的焦斑图像进行处理后，显示当前焦斑图像对应的离轴抛物面镜(2)的光轴与输入光源(1)的光轴的N个元素的误差向量，并向所述的多轴调节装置(5)输出，其中，N是所述的多轴调节装置(5)的可调整维度，N个元素的误差向量X1、X2、
……
、XN相对应维度的误差向量的元素值为E1、E2、
……
、EN；4)所述的多轴调节装置(5)根据所述的N个元素的误差向量的元素值E1、E2、
……
、EN，通过所述的多轴调节装置(5)对应维度的调节，使所述的离轴抛物面镜(2)的光轴与所述的输入光源(1)的光轴的误差达到最小，即完成所述的离轴抛物面镜(2)的失调的调节。2.根据权利要求1所述的离轴抛物面镜失调的调节方法，其特征在于所述的含有预训练深度学习模型的图像处理单元(4)对所述的焦斑图像的处理方法包括下列步骤：1)对输入的焦斑图像进行图像分割预处...

【专利技术属性】
技术研发人员：张栋俊，姚修宇，朱坪，易友建，康海涛，谢兴龙，朱健强，
申请(专利权)人：中国科学院上海光学精密机械研究所，
类型：发明
国别省市：