System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于计算机辅助设计,尤其涉及一种基于过渡区域优化的自矫正高阶像差镜片及加工方法。
技术介绍
1、高阶像差是指波前的形状在距离瞳孔或光学系统中心较远的位置发生的变化,与常见的低阶像差,如球差、散光等不同,高阶像差是波前的更复杂、更微妙的形变,通常以三次及更高阶的多项式来表示,这些像差包括慧差、三叶草形像差和球面像差等。
2、高阶像差可能导致图像出现扭曲、变形或不规则形状,从而降低视觉质量,这尤其在低光照条件下或对比度较高的场景中更为显著;高阶像差可能导致视觉疲劳、眼睛不适甚至头痛,特别是在视线变动频繁或光照条件变化较大的情况下,高阶像差对视觉的影响更为突出;对于需要高视觉性能的任务,如驾驶、阅读小字等,高阶像差可能限制了眼睛对细节的敏感度和对物体形状的准确感知,从而影响任务的完成效果。
3、在目前的眼镜制造技术中,主要关注点集中在镜片光学区域参数的选择上,这一方面确实对高阶像差的调整起到了重要的作用,然而,这种传统方法却忽略了过渡区域在高阶像差校正中的重要性,导致了在实际使用中存在一系列挑战和问题,过渡区域的重要性主要体现在以下方面:
4、过渡区域连接光学区域和边缘区域,其设计的目标是在这个过程中平滑地调整波前形状,高阶像差通常表现为波前的复杂形变,过渡区域的存在使得镜片能够更加平滑地过渡到不同区域,从而减少了光学畸变的产生;通过对过渡区域进行个性化设计,可以根据个体的眼球形状、波前像差等差异性因素,提供更为精准和符合实际需要的高阶像差校正,过渡区域的个性化设计使得镜片能够更好地适应不
5、如何在光学区域和边缘区域的基础上,通过过渡区域的个性化设计而实现自矫正高阶像差镜片的更优制备,成为了目前需要解决的一项技术问题。
技术实现思路
1、本专利技术中提供了一种基于过渡区域优化的自矫正高阶像差镜片及加工方法,可有效解决
技术介绍
中的问题。
2、为了达到上述目的,本专利技术所采用的技术方案是:
3、基于过渡区域优化的自矫正高阶像差镜片加工方法,所述镜片包括光学区域、过渡区域和边缘区域,所述光学区域通过参数设置实现高阶像差的矫正,所述边缘区域通过尺寸调整与眼镜框架连接;
4、包括:
5、收集所述镜片的光学区域的参数数据和配镜者的人体工程学数据;
6、设计神经网络模型,所述神经网络模型的输入为所述参数数据及人体工程学数据,输出为所述过渡区域的曲率变化方案;
7、对所述神经网络模型进行训练,且在训练过程中基于使用者的反馈数据进行超参数调整;
8、使用训练后的所述神经网络模型输出所述过渡区域的曲率变化方案;
9、基于所述光学区域的参数数据,所述过渡区域的曲率变化方案,以及所述边缘区域的尺寸对所述镜片进行加工。
10、进一步地,在训练过程中基于使用者的反馈数据进行超参数调整,包括:
11、对所述反馈数据进行处理,提取用户偏好信息及特定任务需求;
12、通过所述用户偏好信息调整超参数候选值,以及,通过所述特定任务需求调整超参数组合。
13、进一步地,对所述超参数的调整过程包括:
14、对于每个要调整的超参数确定取值点范围;
15、将各个所述超参数的取值点范围进行组合,形成网格;
16、对于所述网格内的每个超参数组合,使用训练集进行模型训练,并使用验证集评估模型性能;
17、根据模型在验证集上的性能选择表现最好的超参数组合。
18、进一步地,对所述超参数的调整过程包括:
19、对于每个要调整的超参数确定取值点范围;
20、选择先验模型,所述先验模型用于评估所述超参数和目标函数之间的关系;
21、定义所述目标函数,所述目标函数将所述超参数映射到所述神经网络模型在验证集上的性能指标;
22、重复循环以下步骤,直至满足预定的迭代次数或达到收敛条件:
23、随机选择部分初始的超参数组合进行试验,得到初始的所述神经网络模型的试验结果;
24、通过初始的所述试验结果对所述先验模型进行更新,得到对所述超参数与目标函数之间关系的估计值;
25、基于所述估计值,利用所述先验模型确定下一个试验用超参数组合。
26、进一步地,所述神经网络模型包括:
27、输入层,对所述参数数据及人体工程学数据进行直接拼接,获得拼接数据,所述输入层的节点数为m+n,m为所述参数数据的维度,n为人体工程学数据的维度;
28、第一全连接层,与所述输入层对应所述参数数据的m个节点相连;
29、第二全连接层,与所述输入层对应所述人体工程学数据的n个节点相连;
30、维度调节层,将所述第一全连接层和第二全连接层的维度调节一致,并进行关联而得到输出矩阵;
31、激活函数,添加在所述第一全连接层和第二全连接层的每个节点后,引入非线性特征;
32、输出层,输出所述率变化方案,所述输出层的节点数与所述过渡区域的曲率变化方案维度相匹配;
33、损失函数,用于度量模型输出与真实过渡区域曲率变化方案之间的差异。
34、进一步地,所述维度调节层对所述第一全连接层和第二全连接层的关联具体为,将维度调节一致后的所述第一全连接层和第二全连接层进行逐个元素相乘。
35、进一步地,所述曲率变化方案为一组数值,代表过渡区域内曲率的变化情况;
36、还包括对所述一组数值进行调整的过程,包括:
37、选择平滑函数,以及基于所述一组数值确定所述过渡区域需要进行平滑过渡的调整区域;
38、基于所述调整区域设置所述平滑函数的参数;
39、将参数设置完成的所述平滑函数应用与所述曲率变化方案;
40、通过模拟或实际测试,评估平滑过渡的效果,且经过迭代获得满足平滑要求的曲率变化方案。
41、基于过渡区域优化的自矫正高阶像差镜片,包括光学区域、过渡区域和边缘区域,所述光学区域通过参数设置实现高阶像差的矫正,所述边缘区域通过尺寸调整与眼镜框架连接;
42、所述过渡区域的曲率变化方案通过神经网络模型输出;
43、所述神经网络模型的输入为所述光学区域的参数数据和配镜者的人体工程学数据,所述神经网络模型在训练过程中,基于使用者的反馈数据进行超参数调整。
44、进一步地,超参数的候选值根据所述反馈数据中所提取的用户偏好信息进行调整,超参数组合通过所述反馈数据中所提取的特定任务需求进行调整。
45、进一步地,所述神经网络模型包括输入层,对所述参数数据及人体工程学数据进行直接拼接,获得拼接数据本文档来自技高网...
【技术保护点】
1.基于过渡区域优化的自矫正高阶像差镜片加工方法,所述镜片包括光学区域、过渡区域和边缘区域,所述光学区域通过参数设置实现高阶像差的矫正,所述边缘区域通过尺寸调整与眼镜框架连接;
2.根据权利要求1所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,在训练过程中基于使用者的反馈数据进行超参数调整,包括:
3.根据权利要求2所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,对所述超参数的调整过程包括:
4.根据权利要求2所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,对所述超参数的调整过程包括:
5.根据权利要求1所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,所述神经网络模型包括:
6.根据权利要求5所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,所述维度调节层对所述第一全连接层和第二全连接层的关联具体为,将维度调节一致后的所述第一全连接层和第二全连接层进行逐个元素相乘。
7.根据权利要求1所述的基于过渡区域优化的自矫正高阶像差镜片加工方
8.基于过渡区域优化的自矫正高阶像差镜片,包括光学区域、过渡区域和边缘区域,所述光学区域通过参数设置实现高阶像差的矫正,所述边缘区域通过尺寸调整与眼镜框架连接;
9.根据权利要求8所述的基于过渡区域优化的自矫正高阶像差镜片,其特征在于,超参数的候选值根据所述反馈数据中所提取的用户偏好信息进行调整,超参数组合通过所述反馈数据中所提取的特定任务需求进行调整。
10.根据权利要求8所述的基于过渡区域优化的自矫正高阶像差镜片,其特征在于,所述神经网络模型包括输入层,对所述参数数据及人体工程学数据进行直接拼接,获得拼接数据,所述输入层的节点数为m+n,m为所述参数数据的维度,n为人体工程学数据的维度;
...【技术特征摘要】
1.基于过渡区域优化的自矫正高阶像差镜片加工方法,所述镜片包括光学区域、过渡区域和边缘区域,所述光学区域通过参数设置实现高阶像差的矫正,所述边缘区域通过尺寸调整与眼镜框架连接;
2.根据权利要求1所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,在训练过程中基于使用者的反馈数据进行超参数调整,包括:
3.根据权利要求2所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,对所述超参数的调整过程包括:
4.根据权利要求2所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,对所述超参数的调整过程包括:
5.根据权利要求1所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,所述神经网络模型包括:
6.根据权利要求5所述的基于过渡区域优化的自矫正高阶像差镜片加工方法,其特征在于,所述维度调节层对所述第一全连接层和第二全连接层的关联具体为,将维...
【专利技术属性】
技术研发人员:张荭,季家逸,蔡付明,
申请(专利权)人:江苏鸿晨集团有限公司,
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。