Application of deep learning in active alignment leads to high-efficiency and accurate camera lens assembly

2024年12月，汪凯巍课题组硕士研究生刘海斌，李文勇等人的论文《Application of deep learning in active alignment leads to high-efficiency and accurate camera lens assembly》发表于光学期刊Optics Express。

期刊介绍

《Optics Express》（《光学快报》）是由光学学会（Optica Publishing Group）出版的一本国际知名的开放获取学术期刊，专注于报道光学科学与技术领域的最新研究进展。这本期刊的中科院分区为2区TOP（2023年12月最新版），最新期刊影响因子为3.2（2024年6月最新版），反映出其在学术界的显著影响力​。

论文主要图表

论文介绍

汪凯巍课题组联合舜宇光学和宇瞳光学两家知名光学企业，完成关于成像镜头快速智能调芯相关研究工作，汪凯巍课题组硕士研究生刘海斌，李文勇为共同第一作者，第一单位为浙江大学。对于成像光学镜头，其光学元件的定位对成像质量有着至关重要的影响。传统方法通过机械结构固定光学元件，对机械结构的加工要求较高。并且由于光学元件在加工过程中存在诸如曲率半径、镜片厚度、表面不规则度等制造误差，其最佳成像的定位与设计文件定位并非完全一致。后来陆续有研究提出用精密仪器，如精密三维坐标位移台，激光与干涉仪，波前传感器等对光学元件进行精确定位。这些方法虽然能取得较高的定位精度，但并未考虑实际成像质量是否达到最佳，同时也需要较高的时间和硬件成本，不适用于大规模镜头生产中的快速调芯。

本工作提出了一种结合深度学习模型和搜索算法的快速智能调芯方法，对比单纯的搜索算法能够达到56%的效率提升。基于偏心反映在成像退化中表现为某个方向一定程度的模糊扩散，我们利用轻量化的网络对该特征进行提取，并映射至预测偏心量输出。在利用深度学习模型校正大部分的偏心之后，再使用搜索算法在小范围内寻找最佳成像位置。这样的方法能在保证最终成像质量的同时大幅度提升调芯效率，还避免了使用精密仪器，减少了光路复杂程度，能够实现调芯和成像质量检测一体化。

BibTeX

@article{liu2024application,
  title={Application of deep learning in active alignment leads to high-efficiency and accurate camera lens assembly},
  author={Liu, Haibin and Li, Wenyong and Gao, Shaohua and Jiang, Qi and Sun, Lei and Zhang, Benhao and Zhao, Liefeng and Zhang, Jiahuang and Wang, Kaiwei},
  journal={Optics Express},
  volume={32},
  number={25},
  pages={43834--43849},
  year={2024},
  publisher={Optica Publishing Group}
}