광학 시스템의 현장 수차 검출은 광학 시스템의 가공 및 조립, 노광기 개발, 우주 카메라의 궤도 조정 등에서 중요한 의미를 가진다. 전통적인 광학 시스템 현장 검출 방법인 위상 복원(Phase Retrieval, PR)과 위상 다양성(Phase Diversity, PD)은 특정 조건에서 우수한 성능을 보이나, 큰 수치조리개나 광학 시스템의 나이퀴스트 주파수 하한을 만족하지 못하는 복잡한 조건에서는 한계가 있다. 따라서 본 논문에서는 확장된 닐보어-저니케(Extended Nijboer-Zernike, ENZ) 회절 물리 모델과 딥 뉴럴 네트워크를 결합한 방법을 제안한다. 먼저 SE(Squeeze-and-Excitation) 주의 메커니즘을 갖춘 딥 잔차 네트워크를 구축한다. 다음으로 강도 이미지 점 확산 함수(Point Spread Function, PSF)에서 위상 분포로의 매핑 관계를 구축하여 회절 광 강도의 특징 추출과 위상 기술 계수 예측을 구현한다. 마지막으로 예측된 계수를 확장된 저니케법(Extended Nijboer-Zernike, ENZ) 회절 모델과 결합하여 예측된 PSF 이미지를 얻어 광학 시스템의 파면 검출을 실현한다. 실험 결과, 제안한 방법은 광학 시스템 수치조리개가 크고 나이퀴스트 샘플링이 충족되지 않는 경우 실제 파면 이미지와 재구성 파면 이미지 간 잔차 파면 평균 제곱근값(Root Mean Square, RMS)이 약 0.02λ로 다른 방법보다 우수하다. 본 방법은 비지도 학습 방법으로 대량의 학습 데이터 의존도를 줄이고 파면 검출 정확도를 향상시킨다.

파면 검출; 확장 저니케법 (ENZ); 딥러닝