[发明专利]基于机器学习的高速自适应光学环形光斑校正系统和方法

权利要求书

1.一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：包括系统沿光路方向依次布置的空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V、第三透镜L3和工业相机，入射平行光依次经过空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V、第三透镜L3后，在所述系统的聚焦平面上由工业相机上探测并形成图像。

2.根据权利要求1所述的一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：所述的工业相机选用EMCCD或者sCMOS相机。

3.根据权利要求1所述的一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：所述的第一透镜L1和第二透镜L2构成一个4F光学系统，第二透镜L2和第三透镜L3构成一个4F光学系统。

4.根据权利要求1所述的一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：所述的空间光调制器SLM放置在第一透镜L1的前焦面处，第一透镜L1的前焦面作为所述系统的光瞳面，涡旋相位板V放置在第二透镜L2的后焦面且位于第三透镜L3的前焦面处，涡旋相位板V与系统的光瞳面以第一透镜L1和第二透镜L2构成的4F光学系统共轭；第三透镜L3的后焦面作为所述系统的聚焦平面。

5.根据权利要求1所述的一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：平行光光束通过涡旋相位板V的出射光束具有涡旋的相位波前，涡旋的相位波前经过第三透镜L3后在所述系统的聚焦平面上呈现环形光斑。

6.根据权利要求1所述的一种基于机器学习的高速自适应光学环形光斑校正系统，其特征在于：所述的空间光调制器SLM通过液晶折射率调制入射光的波前相位，从而引入或校正像差。

7.应用于权利要求1-4所述的一种基于机器学习的高速自适应光学环形光斑校正方法，其特征在于包括以下步骤：

1)入射的平行光束依次经过空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V和第三透镜L3，平行光光束通过涡旋相位板V的出射光束具有涡旋的相位波前，涡旋的相位波前经过第三透镜L3后在聚焦平面上用工业相机探测无畸变的环形光斑光强分布I0；本步骤中，空间光调制器SLM加载零相位P0；

2)入射的平行光束依次经过空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V和第三透镜L3，在聚焦平面上用工业相机探测畸变环形光斑光强分布I1；本步骤进行多次，空间光调制器SLM每次加载不同的畸变相位P1，从而探测得到不同畸变相位P1对应的畸变环形光斑光强分布I1；

3)对步骤2)中的多个畸变相位P1使用泽尼克多项式分解公式得到对应的相位重构系数A1，建立相位重构系数A1与畸变的环形光斑光强分布I1之间的映射关系，构成训练数据集；

4)对步骤3)获得的训练数据集采用机器学习中深度卷积神经网络结构构建学习模型M；

5)入射的平行光束依次经过空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V和第三透镜L3，在聚焦平面上用工业相机探测畸变的环形光斑光强分布I2；本步骤中，空间光调制器SLM加载作为待测校正对象的随机畸变相位P2；

6)将步骤5)获得的畸变环形光斑光强分布I2输入学习模型M，求出用于校正畸变相位的相位重构系数A2；

7)对步骤6)获得的相位重构系数A2利用泽尼克多项式相位构建函数生成重构相位P3，将重构相位P3与步骤5)中空间光调制器SLM的随机畸变相位P2相叠加，入射的平行光束依次经过加载随机畸变相位P2和重构相位P3的空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V和第三透镜L3，在聚焦平面上用工业相机探测到校正后的环形光斑光强分布I3。

8)重复步骤6-7)，进行迭代运算可以提高校正的效果。

8.根据权利要求7所述的一种基于机器学习的高速自适应光学环形光斑校正方法，其特征在于：所述的工业相机选用EMCCD或者sCMOS相机。

9.根据权利要求7所述的一种基于机器学习的高速自适应光学环形光斑校正方法，其特征在于：

所述的学习模型M具体为：学习模型M由5个卷积层和3个全连接层构成；5个卷积层依次顺序连接，其中第1、2、5个卷积层后面均紧连有一个池化层，第1、2个卷积层后的池化层后面均紧连有一个丢掉层，第1-2个卷积层的卷积核大小均为5*5，第3-5个卷积层的卷积核大小均为3*3，5个卷积层的激活函数均为线性整流函数(RELU)；5个卷积层之后依次顺序连接3个全连接层，3个全连接层的输出神经元个数分别为512、512和7，前两个全连接层的激活函数均为线性整流函数(RELU)，最后一个全连接层的激活函数为线性激活函数(LINEAR)；学习模型M建立相位重构系数A1和相位重构系数A2之间的均方误差MSE作为目标函数，采用随机梯度下降的方法来最小化目标函数。