La détection in situ des aberrations dans un système optique est essentielle pour l’usinage et l’assemblage du système optique, le développement des machines de lithographie et l’ajustement en orbite des caméras spatiales. Les méthodes traditionnelles de détection in situ telles que la reconstruction de phase (Phase Retrieval, PR) et la diversité de phase (Phase Diversity, PD) offrent de bonnes performances sous certaines conditions, mais présentent des limites en présence d’une grande ouverture numérique ou lorsque la fréquence de Nyquist du système optique n’est pas respectée. Ainsi, cet article propose une méthode combinant un modèle de diffraction étendu Nijboer-Zernike (Extended Nijboer-Zernike, ENZ) et un réseau neuronal profond. Premièrement, un réseau résiduel profond doté d’un mécanisme d’attention SE (Squeeze-and-Excitation) est construit. Deuxièmement, une relation de mappage entre l’image d’intensité de la fonction d’étalement du point (Point Spread Function, PSF) et la distribution de phase est établie pour extraire les caractéristiques d’intensité de diffraction et prédire les coefficients décrivant la phase. Enfin, les coefficients prédits sont combinés avec le modèle de diffraction ENZ pour obtenir une image PSF prédite et réaliser la détection du front d’onde du système optique. Les résultats expérimentaux montrent que la méthode proposée, avec une grande ouverture numérique et l’absence d’échantillonnage de Nyquist, obtient une racine quadratique moyenne (Root Mean Square, RMS) entre le front d’onde réel et reconstitué d’environ 0,02λ, meilleure que les autres méthodes. Cette méthode est non supervisée, ce qui réduit la dépendance à un grand nombre de données d’entraînement et améliore la précision de détection du front d’onde.

détection du front d’onde; méthode Nijboer-Zernike étendue (ENZ); apprentissage profond