La detección in situ de aberraciones en sistemas ópticos es de gran importancia para el procesamiento y ajuste de sistemas ópticos, el desarrollo de máquinas de litografía y el ajuste en órbita de cámaras espaciales. Los métodos tradicionales de detección in situ, como la recuperación de fase (Phase Retrieval, PR) y la diversidad de fase (Phase Diversity, PD), funcionan bien bajo condiciones específicas, pero presentan limitaciones frente a grandes aperturas numéricas o cuando no se cumplen los límites inferiores de la frecuencia de Nyquist en el sistema óptico. Por lo tanto, este documento propone un método que combina el modelo de difracción extendido de Nijboer-Zernike (Extended Nijboer-Zernike, ENZ) con redes neuronales profundas. Primero, se construye una red residual profunda con un mecanismo de atención SE (Squeeze-and-Excitation). Luego, se establece una relación de mapeo desde la imagen de intensidad de la función de dispersión puntual (Point Spread Function, PSF) hacia la distribución de fase para extraer características de la intensidad de difracción y predecir los coeficientes que describen la fase. Finalmente, los coeficientes predichos se combinan con el modelo de difracción extendido ENZ para obtener la imagen PSF predicha y realizar la detección del frente de onda del sistema óptico. Los resultados experimentales muestran que el método propuesto, en condiciones de gran apertura numérica y sin cumplir con el muestreo de Nyquist, obtiene un valor de raíz cuadrática media (Root Mean Square, RMS) entre la imagen de frente de onda real y reconstruida de aproximadamente 0.02λ, superando a otros métodos. Este método es no supervisado, lo que reduce la dependencia de grandes cantidades de datos de entrenamiento y mejora la precisión de la detección del frente de onda.

detección del frente de onda; método extendido de Nijboer-Zernike (ENZ); aprendizaje profundo