概括
一个新的深度学习增强的全息波面传感器 (DLHWS) 提高了比传统方法的准确性和模式检测. 这种先进的传感器克服了像斑点噪声这样的局限性,以更好地测量偏差.
科学领域:
- 光学工程是指光学工程.
- 计算成像技术的成像
- 机器学习应用 机器学习应用
背景情况:
- 传统的全息模态波传感器 (HMWS) 面临的局限性包括由于计算机生成全息图 (CGH) 的斑点噪声造成的测量不准确性.
- 现有的HMWS在测量广泛的偏差模式方面也具有有限的能力.
研究的目的:
- 引入深度学习增强的全息波面传感器 (DLHWS),以克服传统HMWS的局限性.
- 为了提高波面传感精度,并扩大检测高阶偏差的能力.
主要方法:
- 开发了DLHWS,利用深度神经网络来处理来自CGH的多个偏差图像.
- 实现了两个配置:DLHWS-c使用卷积神经网络 (CNN) 进行模态系数估计,DLHWS-p使用UNet进行直接相位图重建.
主要成果:
- 通过模拟和实验,DLHWS在波纹传感精度和检测高阶偏差方面取得了显著的改进.
- 在低级模式中,DLHWS-c实现了更高的推断速度和更高的准确性.
- DLHWS-p为大气流引起的高阶偏差 (数百种模式) 提供了更高的精度,尽管计算要求更高.
结论:
- 拟议的DLHWS有效地解决了传统SMI-HMWS的局限性,提供了更高的性能.
- 根据网络架构和应用程序,DLHWS为波传感提供了一种多功能解决方案,在速度和精度方面具有明显的优势.
