Искусственный интеллект в борьбе с искажениями света

Исследователи представили новаторскую методику для обнаружения искажений волнового фронта, которые негативно влияют на качество изображений. В основе метода лежит использование пространственного оптического фильтра. Это устройство выборочно пропускает или блокирует компоненты светового пучка в зависимости от их характеристик, формируя детализированное изображение, содержащее данные о волновых деформациях.

После прохождения света через фильтр, сформированное изображение поступает на анализ в нейронную сеть. Данный подход демонстрирует исключительную точность — до 99,7% в выявлении волновых искажений в режиме реального времени. Это достижение открывает обширные перспективы применения в таких областях, как астрономия, офтальмология и прецизионная метрология. Детали исследования были опубликованы в журнале Technologies.

Волновые аберрации представляют собой деформации поверхности световой волны, где все точки должны иметь одинаковую фазу. Эти искажения возникают при прохождении света через неоднородные среды, например, турбулентную атмосферу, или через несовершенные либо некорректно настроенные оптические системы, включая телескопы, микроскопы и человеческий глаз. Поскольку аберрации ухудшают четкость изображений, борьба с ними является актуальной задачей в оптике.

Специалисты из Самарского национального исследовательского университета имени академика С. П. Королева и Университета ИТМО разработали уникальный гибридный многоканальный дифракционный оптический элемент для обнаружения волновых аберраций. Этот сложный оптический компонент с микроструктурной поверхностью работает на базе пространственного светового модулятора, который регулирует фазовое распределение светового пучка. Благодаря этому элементу, искаженный волновой фронт трансформируется в легко интерпретируемую многоканальную картину, позволяющую точно определить характер и величину деформаций.

Изображения, прошедшие через оптический фильтр, мгновенно обрабатываются нейросетью, которая идентифицирует аберрации. Для этого была задействована нейронная сеть с архитектурой Xception, известная своей эффективностью в задачах классификации, сегментации и обнаружения объектов на изображениях. Обучение алгоритма проводилось на массиве из 2352 изображений разрешением 256×256 пикселей, что позволило снизить ошибку распознавания волновых аберраций до минимальных 0,3%.

Этот высокоточный метод имеет широкий спектр применения: в астрономии он может корректировать атмосферные искажения в телескопах, в офтальмологии — способствовать ранней диагностике глазных заболеваний, в промышленности — контролировать качество оптических компонентов, таких как линзы и зеркала, а также использоваться в сфере квантовой метрологии.

Руководитель проекта, Павел Хорин, кандидат физико-математических наук и старший научный сотрудник Самарского национального исследовательского университета имени академика С. П. Королева, отмечает: «Данное исследование наглядно демонстрирует, как синергия передовых оптических разработок и методов машинного обучения позволяет достигать высочайшей точности в решении сложных задач. Метод доказал свою состоятельность в лабораторных условиях, и его интеграция в промышленные и медицинские сферы является вопросом ближайшей перспективы. В наших дальнейших планах — создание компактного датчика волнового фронта, включающего как программное, так и аппаратное обеспечение, на базе гибридного многоканального дифракционного оптического элемента для оперативного и точного измерения волновых искажений».