التداخل الفازي للتحريض (PSI) هو تقنية تستخدم على نطاق واسع في قياسات البصريات الدقيقة، لكن الطرق التقليدية لـ PSI عادة ما تحتاج إلى ثلاث إطارات أو أكثر من التداخل الفازي للتحريض، مما يحد من تطبيقها في قياسات الديناميكية والبيئات الحساسة للاهتزاز. من أجل حل هذه المشكلة، قدم هذا البحث إطار PSI-IPENet القائم على التعلم العميق، حيث اعتمده الإطار بنية الثنائي إلى واحد (Two-to-One) أي باستخدام اثنين من صور التداخل الفازي كإدخال ثنائي القناة، وجعل خرائط المراقبة الفازية كإشارة مراقبة، ثم بنى مجموعة البيانات للتدريب. يجمع إطار PSI-IPENet بين قدرة IPENet على استخراج السمات والخصائص البصرية للتداخل، مما يحسن بشكل فعال مرونة ومقاومة الضوضاء في استرجاع الفاز. تشير النتائج التجريبية إلى أن هذا الأسلوب لا يزال يحافظ على قدرة استرجاع الفاز بدقة عالية في حالات إدخال الإطارات المنخفضة، ويمتلك مزايا ملحوظة مقارنة بالأسلوب الثلاثي التقليدي في نسبة الإشارة إلى الضوضاء وخطأ الفاز وما إلى ذلك.

التداخل الفازي; استرجاع الفاز; التعلم العميق; IPENet