ИССЛЕДОВАНИЕ МОДЕЛЕЙ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ АБЕРРАЦИЙ НА ОСНОВЕ КОЭФФИЦИЕНТОВ ПОЛИНОМОВ ЦЕРНИКЕ

Abstract

Задача анализа волнового фронта широко исследуется, а полученные результаты применяются в медицине и астрономии. Один из возможных инструментов, помогающих решить данную задачу, – методы адаптивной оптики. Идея данной технологии заключается в том, чтобы измерить помехи и исправить их до того момента, как свет достигнет оптического устройства. Один из ключевых элементов адаптивной оптики – датчик волнового фронта, который отмечает искажения из полученного фронта излучения. Однако датчик не лишен недостатков: он дорогостоящий, сложный по своему строению и реализации. Самое главное – он способен допустить ошибку в аберрационных измерениях: погрешность работы датчика может повлиять на погрешность самой системы. Методы анализа волнового фронта, в основе которых лежит работа с изображениями, не требуют дополнительного инструментария и сосредоточены на исследуемых изображениях. Один из таких методов – машинное обучение. В ходе данной работы были сравнены различные архитектуры сверточных нейронных сетей (СНС) для задачи распознавания аберраций на основе коэффициентов многочленов Цернике по набору изображений функции рассеяния точки. В результате обучения сетей были получены значения средней абсолютной ошибки в диапазоне 0,024–0,032. Установлено, что подход, основанный на использовании СНС, позволяет практически точно определять значения коэффициентов Цернике. В дальнейшем каждая из моделей может быть использована для решения рассматриваемой аберрационной задачи.