يحمل الكشف عن الانحراف في الموقع لنظام البصريات أهمية كبيرة في تصنيع وضبط أنظمة البصريات، وتطوير آلات النقش، وضبط الكاميرات الفضائية في المدار وغيرها. ومع ذلك، تظهر الطرق التقليدية لكشف الانحراف في موقع نظام البصريات مثل استعادة المرحلة (PR) ، وتنوع المرحلة (PD) أداءً جيدًا تحت ظروف محددة، ولكنها تظهر قيودًا عند مواجهة قطرات رقمية كبيرة أو شروط معقدة لا تلبي حدود تردد نايكويست لنظام البصريات. لذا، قدمنا في هذا المقال نهجاً يجمع بين نموذج Nijboer-Zernike المصدري الموسع للاحتكاك وشبكة عصبية عميقة. أولاً، بنينا شبكة إزاحة سحب وحفز (SE) العميقة المتبقية، ثم أنشأنا علاقة تطابق من دالة انتشار النقاط (PSF) إلى توزيع المرحلة، مما يتيح استخراج سمات الضوء المنتشر وتنبؤ معاملات وصف المرحلة. ثم، قمنا بدمج هذه المعاملات المتوقعة مع نموذج المصدر ENZ للحصول على صورة متوقعة لـ PSF، من أجل كشف موجة المقدمة. تشير النتائج التجريبية إلى أن النهج الذي قدمناه يتفوق على الطرق الأخرى عندما يكون قطر الفتحة الرقمية لنظام البصريات كبيرًا ولا تلبي العينة النايكويست، حيث يكون جذر متوسط المربع للانحراف الموجة الأمامية بين الصورة الفعلية للموجة الأمامية والصورة المعاد تكوينها حوالي 0.02λ، وهو أفضل من الطرق الأخرى. يعتبر هذا النهج من نوع فريد مقارنة بالطرق الأخرى للتعلم العميق، حيث إنه يقلل من الاعتماد على البيانات التدريبية بشكل كبير، ويزيد دقة كشف موجة الأمامية.

كشف موجة الأمامية؛ Nijboer-Zernike الموسع (ENZ)؛ التعلم العميق