基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量OA

平行平板作为典型透射光学元件,广泛应用于光学检测、半导体制造及国防装备等领域,其光学均匀性对系统性能具有重要影响。针对现有光学均匀性高精度测量中存在的干涉混叠难以解耦、多帧采集耗时较长及环境噪声抑制困难等问题,提出一种基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量方法。通过构建混叠干涉图与单面干涉图之间的映射模型对单帧混叠干涉图进行解耦,从而获得前后表面各自的单表面干涉图,以实现干涉条纹有效分离。通过虚拟移相重构由单帧干涉图生成的等移相间隔序列,结合传统五步移相法进行相位提取与面形重建,进而实现平行平板光学均匀性高精度检测。构建了两阶段卷积神经网络模型,第一阶段网络用于实现混叠条纹到单面条纹的映射,第二阶段网络完成五步移相序列生成及前后表面面形解算,搭建了基于深度学习单帧干涉解耦的平行平板光学均匀性测量装置,并采用Φ75 mm和Φ50 mm平行平板样品进行了实验验证。实验结果表明,该方法测得的光学均匀性结果与ZYGO干涉仪测量结果一致性较好,绝对偏差达到10^(-7)量级,仅需采集单帧混叠干涉图即可实现平行平板光学均匀性的高精度、快速测量,可为光学元件的高通量和现场化检测提供技术支撑。