Для определения внутренних искажений оптической системы имеет важное значение обнаружение. Оно применяется при обработке оптических систем, создании фотолитографических машин, настройке космических камер и в других областях. Однако традиционные методы определения внутренних искажений, такие как Восстановление фазы (PR, Phase Retrieval), и Разнообразие фазы (PD, Phase Diversity), показывают выдающиеся результаты в специфических условиях, но они имеют свои ограничения при работе с большими числовыми апертурами или в условиях, когда не достигается нижняя граница частоты Найквиста оптической системы. Поэтому в данной статье предложен метод, который комбинирует расширенную физическую модель дифракции Нейбер-Церника с глубокой нейронной сетью. Вначале создается глубокая сеть остаточных связей с механизмом внимания Squeeze-and-Excitation (SE), затем устанавливается соотношение от распределения интенсивности изображения точечной функции распространения (PSF, Point Spread Function) до распределения фазы, что обеспечивает извлечение характеристик интенсивности дифракции и прогнозирование коэффициентов описания фазы, затем эти прогнозируемые коэффициенты объединяются с моделью дифракции ENZ (Extend Nijboer-Zernike), чтобы получить прогнозируемое изображение PSF для обнаружения волнового фронта оптической системы. Результаты эксперимента показывают, что предложенный метод при большой числовой апертуре оптической системы (NA, Numerical Aperture) и недостаточном наличии выборок Найквиста имеет остаточное среднеквадратичное волновое фронта между реальным изображением волнового фронта и реконструированным изображением волнового фронта около 0.02λ, превосходя другие методы. Этот метод по сравнению с другими методами глубокого обучения является наблюдаемым методом, который не только уменьшает зависимость от большого количества обучающих данных, но и повышает точность определения волнового фронта.

обнаружение волнового фронта; Extend Nijboer-zernike (ENZ); глубокое обучение