本发明专利技术提供一种能够简单地导出波前像差的波前像差导出方法、装置及程序和在该波前像差导出方法中使用的机器学习模型的生成方法、利用该波前像差导出方法的透镜光学系统的制造方法。处理器(51)执行：第1步骤，获取透镜装置(1)的分辨率性能信息；及第2步骤，将上述分辨率性能信息输入到机器学习模型(52)中，并从机器学习模型(52)中得到透镜装置(1)的波前像差。差。差。
【技术实现步骤摘要】
【国外来华专利技术】波前像差导出方法、机器学习模型的生成方法、透镜光学系统的制造方法、波前像差导出装置及波前像差导出程序
[0001]本专利技术涉及一种波前像差导出方法、机器学习模型的生成方法、透镜光学系统的制造方法、波前像差导出装置及波前像差导出程序。
技术介绍
[0002]在专利文献1中记载有如下方法：求出CTF(Contrast Transfer Function：对比度传递函数)作为透镜光学系统的性能值，将该性能值输入到神经网络中，通过神经网络求出包含于透镜光学系统中的被调整透镜的移动调整量。
[0003]在专利文献2中记载有如下方法：关于目标候选与器件设计之间的图案放置误差的泽尼克灵敏度的关系，分析目标设计，并将其最优化。
[0004]在专利文献3中记载有决定光学成像系统的成像品质的方法，该光学成像系统是以包含光源的照明系统、试样容纳用试样保持架、成像光学系统及至少一个点分解检测装置作为主要结构组。
[0005]在专利文献4中记载有一种图像分析装置，其具备：图像获取部，获取投影到被检眼的测定用图案的反射光的摄像图像；环像检测部，从由图像获取部获取的摄像图像内检测基于反射光的环像；及高阶像差检测部，根据由环像检测部检测出的环像来检测导致发生环像的畸变的被检眼的特定的高阶像差。
[0006]在专利文献5中记载有用于客观地获得患者眼睛的折射值的方法，其包括如下步骤：利用传感器至少获得表示四阶泽尼克(Zernike)波前像差的患者眼睛的诊断测定数据；将仅二阶的多项式拟合到说明具有像差的波前的波前数据；及根据二阶多项式拟合计算显性折射值。
[0007]在专利文献6中记载有根据由干涉仪测量出的干涉条纹图像计算波前像差的方法。
[0008]在专利文献7中记载有一种测量方法，其特征在于，包括如下步骤：测量透射了被检光学系统的透射光的透射波前；根据上述透射光的透射波前来获取上述被检光学系统的波前像差的各像差成分；获取使上述被检光学系统的光学元件的位置偏移时变化的上述波前像差的各像差成分的灵敏度；获取用于提高与上述被检光学系统的成像性能有关的评价值与上述波前像差的各像差成分的相关性的系数信息；及使用上述波前像差的各像差成分、上述各像差成分的灵敏度及上述系数信息来求出上述被检光学系统的光学元件的位置偏移量。
[0009]以往技术文献
[0010]专利文献
[0011]专利文献1：日本特开2008
‑
170981号公报
[0012]专利文献2：日本特表2018
‑
514807号公报
[0013]专利文献3：日本特表2006
‑
527353号公报
[0014]专利文献4：日本特开2020
‑
081450号公报
[0015]专利文献5：日本特表2004
‑
528130号公报
[0016]专利文献6：日本特开平6
‑
235619号公报
[0017]专利文献7：日本特开2019
‑
191121号公报
技术实现思路
[0018]专利技术要解决的技术课题
[0019]波前像差的测量中通常需要很多设备或时间，因此其测量工作并不容易。上述任一以往技术均没有记载简单地导出波前像差的方法。
[0020]本专利技术的目的在于提供一种能够简单地导出波前像差的波前像差导出方法、装置及程序和在该波前像差导出方法中使用的机器学习模型的生成方法、利用该波前像差导出方法的透镜光学系统的制造方法。
[0021]用于解决技术课题的手段
[0022]本专利技术的一方式的波前像差导出方法为导出透镜光学系统的波前像差的波前像差导出方法，其包括如下步骤：第1步骤，获取上述透镜光学系统的分辨率性能信息；及第2步骤，将上述分辨率性能信息输入到机器学习模型中，并从上述机器学习模型得到上述透镜光学系统的波前像差。
[0023]在本专利技术的一方式的机器学习模型的生成方法中，获取对透镜光学系统的光学要件赋予多个图案的设想误差而得到的多个虚拟光学系统的分辨率性能信息的第1模拟结果，获取上述多个虚拟光学系统的波前像差的第2模拟结果，并根据上述第1模拟结果和上述第2模拟结果机器学习分辨率性能信息与波前像差的对应关系来生成机器学习模型。
[0024]本专利技术的一方式的透镜光学系统的制造方法为具有包含被调整光学要件的多个光学要件的透镜光学系统的制造方法，其包括如下步骤：获取上述透镜光学系统的分辨率性能信息；将上述分辨率性能信息输入到机器学习模型中，并从上述机器学习模型得到上述透镜光学系统的波前像差；及根据上述波前像差设定上述被调整光学要件的位置。
[0025]本专利技术的一方式的波前像差导出装置为导出透镜光学系统的波前像差的波前像差导出装置，其具备处理器，所述处理器进行如下处理：获取上述透镜光学系统的分辨率性能信息，将上述分辨率性能信息输入到机器学习模型中，并从上述机器学习模型得到上述透镜光学系统的波前像差。
[0026]本专利技术的一方式的波前像差导出程序为导出透镜光学系统的波前像差的波前像差导出程序，其使计算机执行如下步骤：第1步骤，获取上述透镜光学系统的分辨率性能信息；及第2步骤，将上述分辨率性能信息输入到机器学习模型中，并从上述机器学习模型得到上述透镜光学系统的波前像差。
[0027]专利技术效果
[0028]根据本专利技术，能够简单地导出波前像差。
附图说明
[0029]图1是表示利用作为本专利技术的波前像差导出装置的一实施方式的计算机5制造的透镜装置1的一例的示意图。
[0030]图2是表示组装于透镜装置1的制造系统中的位置调整系统100的概略结构的示意图。
[0031]图3是从透镜装置1侧沿光轴方向Z观察图2所示的分辨率图2的示意图。
[0032]图4是表示由图2所示的处理器51获取的信息的例子的示意图。
[0033]图5是表示图4所示的MTF数据组Gpx1的一例的示意图。
[0034]图6是表示在机器学习模型52的生成中使用的教师数据的一例的示意图。
具体实施方式
[0035]以下，参考附图对本专利技术的实施方式进行说明。
[0036]图1是表示利用作为本专利技术的波前像差导出装置的一实施方式的计算机5制造的透镜装置1的一例的示意图。透镜装置1用于数码相机等摄像装置或投影仪等投影装置等，其构成透镜光学系统。以下，假设透镜装置1用于摄像装置来进行说明。
[0037]透镜装置1具备设置于透镜镜筒10内的多个光学要件(在图1的例子中为第一透镜11、第二透镜12、第三透镜13及第四透镜14这4个光学要件)。第一透镜11、第二透镜12、第三透镜13及第四透镜14沿着透镜装置1的光轴K从被摄体侧以该顺序配置。将光轴K延伸的方向称为光轴方向Z。第二透镜12构成被调整光学要件。
[0038]第一透镜11、第二透镜12、第三透镜13及第四透镜14中例如第四透镜14为聚本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种波前像差导出方法，其导出透镜光学系统的波前像差，所述波前像差导出方法包括如下步骤：第1步骤，获取所述透镜光学系统的分辨率性能信息；及第2步骤，将所述分辨率性能信息输入到机器学习模型中，并从所述机器学习模型得到所述透镜光学系统的波前像差。2.根据权利要求1所述的波前像差导出方法，其中，所述机器学习模型将泽尼克多项式的系数作为所述波前像差的像差成分进行输出。3.根据权利要求1或2所述的波前像差导出方法，其中，所述分辨率性能信息为基于分辨率性能值的信息，该分辨率性能值包含分辨率、点扩散强度或线扩散强度。4.根据权利要求1至3中任一项所述的波前像差导出方法，其中，在所述第1步骤中，根据如下摄像图像获取与相对位置相对应的分辨率性能值，并根据与所述相对位置相对应的所述分辨率性能值来获取所述分辨率性能信息，所述摄像图像是在将通过所述透镜光学系统拍摄被摄体的摄像元件与所述透镜光学系统的成像位置的所述相对位置改变为多个值的状态下，利用所述摄像元件拍摄被摄体而得到的。5.根据权利要求4所述的波前像差导出方法，其中，在所述第1步骤中，导出包含与所述相对位置相对应的所述分辨率性能值的数据组的特征量，并获取所述特征量作为所述分辨率性能信息。6.根据权利要求5所述的波前像差导出方法，其中，在所述第1步骤中，导出包含于所述数据组中的多个群组的所述特征量。7.根据权利要求5或6所述的波前像差导出方法，其中，在所述第1步骤中，根据如下摄像图像，获取与所述摄像图像的不同像高相对应的所述分辨率性能值，并导出与所述摄像图像的不同像高相对应的所述特征量，该摄像图像是利用摄像元件拍摄被摄体而得到的，该摄像元件通过所述透镜光学系统拍摄被摄体。8.根据权利要求5至7中任一项所述的波前像差导出方法，其中，所述特征量包含极大值、与所述极大值对应的所述相对位置、平均值、方差、标准差、偏度及峰度中的至少一个。9.根据权利要求8所述的波前像差导出方法，其中，所述特征量至少包含所述极大值。10.根据权利要求5至7中任一项所述的波前像差导出方法，其中，在所述第1步骤中，用至少一个高斯函数逼近所述数据组，并导出逼近的所述高斯函数的最大值、与所述最大值对应的所述相对位置、平均值、标准差、方差、偏度及峰度中的至少一个作为所述特征量。11.根据权利要求10所述的波前像差导出方法，其中，所述特征量至少包含所述最大值。12.根据权利要求8至11中任一项所述的波前像差导出方法，其中，使用所述平均值、所述标准差及矩量母函数来导出所述偏度和所述峰度。13.根据权利要求1至12中任一项所述的波前像差导出方法，其中，
所述机器学习模型为根据对所述透镜光学系统的光学要件提供多个图案的设想误差而得到的多个虚拟光学系统的分辨率性能信息的模拟结果和所述多个虚拟光学系统的波前像差的模拟结果而学习了分辨率性能信息与波前像差的对应关系的模型。14.一种机器学习模型的生成方法，其中，获取对透镜光学系统的光学要件提供多个图案的设想误差而得到的多个虚拟光学系统的分辨率性能信息的第1模拟结果，获取所述多个虚拟光学系统的波前像差的第2模拟结果，根据所述第1模拟结果和...
【专利技术属性】
技术研发人员：早川洋平，西谷守，
申请(专利权)人：富士胶片株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。