基于深度学习的透射式光学系统初始结构设计

针对传统透射式光学系统初始结构优化设计效率低、结构选取过度依赖经验等问题，提出了一种基于深度学习的透射式光学系统初始结构自动优化设计方法。通过监督训练学习公开光学镜头库中参考镜头的结构特征数据，构建基于光线追迹的无监督训练模型，提升深度神经网络(DNN)模型的泛化能力。通过训练生成的网络模型输出包含真实玻璃的光学系统的结构参数，从而实现透射式光学系统初始结构的自动优化设计。设计结果表明：利用该网络模型优化设计的光学系统初始结构在全视场、全谱段下的像面点斑半径与参考镜头接近，并且能够根据不同焦距要求分别设计出光学系统初始结构；所设计的1×10⁶组初始结构的成功率优于96.403%，表明所提网络模型具有良好的泛化能力。