Die Phasenverschiebungsinterferometrie (PSI) ist eine weit verbreitete Technik in der präzisen optischen Messtechnik, aber herkömmliche PSI-Methoden erfordern in der Regel drei oder mehr Phasenverschiebungsinterferogramme, was ihre Anwendung bei dynamischen Messungen und in vibrationsempfindlichen Umgebungen einschränkt. Zur Lösung dieses Problems schlägt dieser Artikel einen auf tiefem Lernen basierenden PSI-IPENet-Rahmen vor, der eine Zwei-zu-Eins-Struktur verwendet, d.h. zwei Phasenverschiebungsinterferogramme als zweikanalige Eingabe verwendet, begleitet von einer Phasenbildkarte als Überwachungssignal, und dann einen Datensatz für das Training erstellt. PSI-IPENet kombiniert die Merkmalsextraktionsfähigkeit von IPENet und die physikalischen Eigenschaften der Interferenzbildung, was die Robustheit der Phasenwiederherstellung und die Rauschunterdrückungsfähigkeit effektiv erhöht. Die experimentellen Ergebnisse zeigen, dass diese Methode auch bei geringer Anzahl von Eingangsrahmen eine hohe Genauigkeit bei der Phasenwiederherstellung aufrechterhält und gegenüber der herkömmlichen Vier-Schritte-Phasenverschiebungsinterferometrie signifikante Vorteile in Bezug auf das Signal-Rausch-Verhältnis, den Phasenfehler usw. aufweist.

Phasenverschiebungsinterferometrie; Phasenwiederherstellung; Tiefenlernen; IPENet