基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量

周顺业; 汤亮; 崔晗; 邱丽荣; 赵维谦

doi:10.37188/OPE.20263413.1981

您当前的位置：

首页 >

文章列表页 >

基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量

现代应用光学 | 更新时间：2026-07-20

- 基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量
- High-precision deep learning-based single-frame interferometric decoupling for measuring optical homogeneity of parallel plates
- 光学精密工程 2026年34卷第13期页码：1981-1992
- 作者机构：
  
  北京理工大学光电学院，北京 100081
- 作者简介：
  
  周顺业（2001-），男，山西新绛人，硕士研究生，2023年于北京工业大学获得学士学位，主要从事光电测试技术及仪器的研究。E-mail： zsy_030824@163.com
  汤亮（1996-），女，吉林长春人，博士，助理研究员，2020年于北京工业大学获得硕士学位，2024年于北京理工大学获得博士学位，主要从事光学精密检测技术的研究。E-mail： 7520240174@bit.edu.cn
- 基金信息：
  
  国家自然科学基金青年科学基金资助项目(62505021)
- DOI：10.37188/OPE.20263413.1981
  中图分类号： TH741;TP183
- CSTR：32169.14.OPE.20263413.1981
- 收稿：2026-04-14，
  
  修回：2026-04-17，
  
  网络首发：2026-06-26，
  
  纸质出版：2026-07-10
- 稿件说明：
移动端阅览
周顺业,汤亮,崔晗等.基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量[J].光学精密工程,2026,34(13):1981-1992.

ZHOU Shunye,TANG Liang,CUI Han,et al.High-precision deep learning-based single-frame interferometric decoupling for measuring optical homogeneity of parallel plates[J].Optics and Precision Engineering,2026,34(13):1981-1992.
周顺业,汤亮,崔晗等.基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量[J].光学精密工程,2026,34(13):1981-1992. DOI： 10.37188/OPE.20263413.1981. CSTR： 32169.14.OPE.20263413.1981.

ZHOU Shunye,TANG Liang,CUI Han,et al.High-precision deep learning-based single-frame interferometric decoupling for measuring optical homogeneity of parallel plates[J].Optics and Precision Engineering,2026,34(13):1981-1992. DOI： 10.37188/OPE.20263413.1981. CSTR： 32169.14.OPE.20263413.1981.

摘要

平行平板作为典型透射光学元件，广泛应用于光学检测、半导体制造及国防装备等领域，其光学均匀性对系统性能具有重要影响。针对现有光学均匀性高精度测量中存在的干涉混叠难以解耦、多帧采集耗时较长及环境噪声抑制困难等问题，提出一种基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量方法。通过构建混叠干涉图与单面干涉图之间的映射模型对单帧混叠干涉图进行解耦，从而获得前后表面各自的单表面干涉图，以实现干涉条纹有效分离。通过虚拟移相重构由单帧干涉图生成的等移相间隔序列，结合传统五步移相法进行相位提取与面形重建，进而实现平行平板光学均匀性高精度检测。构建了两阶段卷积神经网络模型，第一阶段网络用于实现混叠条纹到单面条纹的映射，第二阶段网络完成五步移相序列生成及前后表面面形解算，搭建了基于深度学习单帧干涉解耦的平行平板光学均匀性测量装置，并采用

75 mm和

50 mm平行平板样品进行了实验验证。实验结果表明，该方法测得的光学均匀性结果与ZYGO干涉仪测量结果一致性较好，绝对偏差达到10

-7

量级，仅需采集单帧混叠干涉图即可实现平行平板光学均匀性的高精度、快速测量，可为光学元件的高通量和现场化检测提供技术支撑。

Abstract

Parallel plates， as typical transmission optical components， are widely employed in optical detection， semiconductor manufacturing， and defense applications. Their optical homogeneity has a significant impact on overall system performance. However， existing high-precision measurement methods face challenges， including difficulty in decoupling interference aliasing， time-consuming multi-frame acquisition， and limited capability in suppressing environmental noise. To address these limitations， a high-precision， deep learning-based single-frame interferometric decoupling method for measuring the optical homogeneity of parallel plates is proposed. First， a mapping model between aliased and single-sided interferograms is constructed to decouple the single-frame aliased interferogram， enabling the retrieval of single-sided interferograms for the front and back surfaces and effective separation of interference fringes. Subsequently， a virtual phase-shifting reconstruction is performed to generate a sequence with equal phase-shift intervals from the single-fr

ame interferogram. In combination with the conventional five-step phase-shifting method， phase extraction and surface profile reconstruction are achieved， enabling high-precision evaluation of optical homogeneity. A two-stage convolutional neural network is developed， in which the first stage performs the mapping from aliased fringes to single-sided fringes， and the second stage generates the five-step phase-shifting sequence and reconstructs the surface profiles of the front and back surfaces. In addition， a deep learning-based single-frame interferometric decoupling experimental system is established for optical homogeneity measurement. Experiments conducted on

75 mm and

50 mm parallel plate samples demonstrate that the proposed method yields results in good agreement with those obtained using a ZYGO interferometer， with absolute deviations on the order of 10⁻⁷. The proposed approach enables high-precision and rapid measurement of optical homogeneity using only a single-frame aliased interferogram， providing an effective solution for high-throughput and in situ inspection of optical components.

关键词

Keywords

references

李强，刘昂，高波，等 . 光学材料光学不均匀性绝对测量误差分析［J］. 应用光学， 2013 ， 34 （ 3 ）： 463 - 468 .

LI Q ， LIU A ， GAO B ， et al . Error analysis of absolute test method of inhomogeneity of optical materials ［J］. Journal of Applied Optics ， 2013 ， 34 （ 3 ）： 463 - 468 . （in Chinese）

郭培基，余景池，丁泽钊，等 . 光学玻璃光学均匀性的绝对测量技术［J］. 激光杂志， 2003 ， 24 （ 3 ）： 26 - 27 .

GUO P J ， YU J CH ， DING Z ZH ， et al . Absolute testing method of the homogeneity of optical glass ［J］. Laser Journal ， 2003 ， 24 （ 3 ）： 26 - 27 . （in Chinese）

廖之山 . 基于非均匀傅里叶变换的平行平板光学均匀性的干涉测量技术研究［D］. 南京：南京理工大学， 2019 .

LIAO ZH SH . Research on Optical Homogeneity Interferometry of Parallel Plates Based on Nonuniform Fast Fourier Transform ［D］. Nanjing ： Nanjing University of Science and Technology ， 2019 . （in Chinese）

郭仁慧 . 近红外大口径波长移相干涉仪关键技术及应用研究［D］. 南京：南京理工大学， 2013 .

GUO R H . Research on Key Techniques and Applications of the Near - Infrared Large Aperture Wavelength - Tuning Interferometer ［D］. Nanjing ： Nanjing University of Science and Technology ， 2013 . （in Chinese）

周永昊，常林，何婷婷，等 . 超精密平面光学元件检测技术［J］. 自然杂志， 2023 ， 45 （ 3 ）： 157 - 176 . doi: 10.3969/j.issn.0253-9608.2023.03.002 http://dx.doi.org/10.3969/j.issn.0253-9608.2023.03.002

ZHOU Y H ， CHANG L ， HE T T ， et al . Research on measurement technology of ultra-precision planar optics ［J］. Chinese Journal of Nature ， 2023 ， 45 （ 3 ）： 157 - 176 . （in Chinese） . doi: 10.3969/j.issn.0253-9608.2023.03.002 http://dx.doi.org/10.3969/j.issn.0253-9608.2023.03.002

钱宇，郭仁慧，蒋金威，等 . 平行平板光学参数的快速高精度测量方法［J］. 光学学报， 2024 ， 44 （ 3 ）： 0312002 .

QIAN Y ， GUO R H ， JIANG J W ， et al . Fast and high-precision measurement method of optical parameters of parallel flat plates ［J］. Acta Optica Sinica ， 2024 ， 44 （ 3 ）： 0312002 . （in Chinese）

刘旭，任寰，于德强，等 . 干涉法测量光学材料光学非均匀性［J］. 激光技术， 2011 ， 35 （ 2 ）： 189 - 192 . doi: 10.3969/j.issn.1001-3806.2011.02.013 http://dx.doi.org/10.3969/j.issn.1001-3806.2011.02.013

LIU X ， REN H ， YU D Q ， et al . Measurement method for inhomogeneity of optical material by means of interferometry ［J］. Laser Technology ， 2011 ， 35 （ 2 ）： 189 - 192 . （in Chinese） . doi: 10.3969/j.issn.1001-3806.2011.02.013 http://dx.doi.org/10.3969/j.issn.1001-3806.2011.02.013

AI C ， WYANT J C . Measurement of the inhomogeneity of a window ［J］. Optical Engineering ， 1991 ， 30 （ 9 ）： 1399 - 1404 . doi: 10.1117/12.55928 http://dx.doi.org/10.1117/12.55928

李建欣，郭仁慧，朱日宏，等 . 光学材料光学均匀性的波长调谐两步绝对测量法［J］. 光学学报， 2012 ， 32 （ 11 ）： 1112007 . doi: 10.3788/aos201232.1112007 http://dx.doi.org/10.3788/aos201232.1112007

LI J X ， GUO R H ， ZHU R H ， et al . Two-step wavelength tuning absolute testing method of the optical homogeneity of optical material ［J］. Acta Optica Sinica ， 2012 ， 32 （ 11 ）： 1112007 . （in Chinese） . doi: 10.3788/aos201232.1112007 http://dx.doi.org/10.3788/aos201232.1112007

张瑞，陈磊，朱文华，等 . 点源异位同步移相法检测平行平晶的光学均匀性［J］. 光子学报， 2018 ， 47 （ 1 ）： 0112002 . doi: 10.3788/gzxb20184701.0112002 http://dx.doi.org/10.3788/gzxb20184701.0112002

ZHANG R ， CHEN L ， ZHU W H ， et al . Measuring optical homogeneity of parallel plates based on simultaneous phase-shifting by lateral displacement of point sources ［J］. Acta Photonica Sinica ， 2018 ， 47 （ 1 ）： 0112002 . （in Chinese） . doi: 10.3788/gzxb20184701.0112002 http://dx.doi.org/10.3788/gzxb20184701.0112002

LIU H Y ， YAN N ， SHAO B F ， et al . Deep learning in fringe projection： a review ［J］. Neurocomputing ， 2024 ， 581 ： 127493 . doi: 10.1016/j.neucom.2024.127493 http://dx.doi.org/10.1016/j.neucom.2024.127493

FENG S J ， CHEN Q ， GU G H ， et al . Fringe pattern analysis using deep learning ［J］. Advanced Photonics ， 2019 ， 1 （ 2 ）： 025001 . doi: 10.1117/1.ap.1.2.025001 http://dx.doi.org/10.1117/1.ap.1.2.025001

YIN W ， CHE Y X ， LI X S ， et al . Physics-informed deep learning for fringe pattern analysis ［J］. Opto-Electronic Advances ， 2024 ， 7 （ 1 ）： 230034 . doi: 10.29026/oea.2024.230034 http://dx.doi.org/10.29026/oea.2024.230034

FENG S J ， ZUO C ， ZHANG L ， et al . Generalized framework for non-sinusoidal fringe analysis using deep learning ［J］. Photonics Research ， 2021 ， 9 （ 6 ）： 1084 . doi: 10.1364/prj.420944 http://dx.doi.org/10.1364/prj.420944

GURROLA-RAMOS J ， DALMAU O ， ALARCÓN T . U-Net based neural network for fringe pattern denoising ［J］. Optics and Lasers in Engineering ， 2022 ， 149 ： 106829 . doi: 10.1016/j.optlaseng.2021.106829 http://dx.doi.org/10.1016/j.optlaseng.2021.106829

GURROLA-RAMOS J ， DALMAU O ， ALARCÓN T E . A residual dense U-Net neural network for image denoising ［J］. IEEE Access ， 2021 ， 9 ： 31742 - 31754 . doi: 10.1109/access.2021.3061062 http://dx.doi.org/10.1109/access.2021.3061062

QIAO G ， HUANG Y Y ， SONG Y P ， et al . A single-shot phase retrieval method for phase measuring deflectometry based on deep learning ［J］. Optics Communications ， 2020 ， 476 ： 126303 . doi: 10.1016/j.optcom.2020.126303 http://dx.doi.org/10.1016/j.optcom.2020.126303

WANG K Q ， LI Y ， QIAN K M ， et al . One-step robust deep learning phase unwrapping ［J］. Optics Express ， 2019 ， 27 （ 10 ）： 15100 . doi: 10.1364/oe.27.015100 http://dx.doi.org/10.1364/oe.27.015100

WANG K Q ， SONG L ， WANG C T ， et al . On the use of deep learning for phase recovery ［J］. Light： Science & Applications ， 2024 ， 13 ： 4 . doi: 10.1038/s41377-023-01340-x http://dx.doi.org/10.1038/s41377-023-01340-x

TANG L ， HAN M Z ， YANG S ， et al . High-precision large-aperture single-frame interferometric surface profile measurement method based on deep learning ［J］. International Journal of Extreme Manufacturing ， 2025 ， 7 （ 5 ）： 055601 . doi: 10.1088/2631-7990/add197 http://dx.doi.org/10.1088/2631-7990/add197

WANG F Z ， WANG C X ， GUAN Q Z . Single-shot fringe projection profilometry based on deep learning and computer graphics ［J］. Optics Express ， 2021 ， 29 （ 6 ）： 8024 . doi: 10.1364/oe.418430 http://dx.doi.org/10.1364/oe.418430

NGUYEN H ， WANG Y Z ， WANG Z Y . Single-shot 3D shape reconstruction using structured light and deep convolutional neural networks ［J］. Sensors ， 2020 ， 20 （ 13 ）： 3718 . doi: 10.3390/s20133718 http://dx.doi.org/10.3390/s20133718

YU H T ， ZHENG D L ， FU J A ， et al . Deep learning-based fringe modulation-enhancing method for accurate fringe projection profilometry ［J］. Optics Express ， 2020 ， 28 （ 15 ）： 21692 . doi: 10.1364/oe.398492 http://dx.doi.org/10.1364/oe.398492

FU Y J ， HUANG Y L ， XIAO W ， et al . Deep learning-based binocular composite color fringe projection profilometry for fast 3D measurements ［J］. Optics and Lasers in Engineering ， 2024 ， 172 ： 107866 . doi: 10.1016/j.optlaseng.2023.107866 http://dx.doi.org/10.1016/j.optlaseng.2023.107866

WANG F ， BIAN Y M ， WANG H C ， et al . Phase imaging with an untrained neural network ［J］. Light： Science & Applications ， 2020 ， 9 ： 77 . doi: 10.1038/s41377-020-0302-3 http://dx.doi.org/10.1038/s41377-020-0302-3

ZUO C ， QIAN J M ， FENG S J ， et al . Deep learning in optical metrology： a review ［J］. Light： Science & Applications ， 2022 ， 11 ： 39 . doi: 10.1038/s41377-022-00714-x http://dx.doi.org/10.1038/s41377-022-00714-x

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

空域与频域融合的多尺度浑浊水图像增强

基于通道注意力增强网络的高效消色差超透镜逆向设计

基于光流法的宽波段视频后半帧实时预测

面向插植手术机器人的单目视觉空间配准

光子晶体激光器掩埋纳米孔结构自动量取