Глубокое обучение в оптической метрологии: обзор

С развитием научных основ и технологических реализаций оптическая метрология стала универсальной основой решения задач в производстве, фундаментальных исследованиях и инженерных приложениях, включая контроль качества, неразрушающий контроль, экспериментальную механику и биомедицину. В последние годы глубокое обучение, являющееся подразделом машинного обучения, стало мощным инструментом решения задач посредством обучения на данных, чему в значительной степени способствуют доступность массивных наборов данных, возросшие вычислительные мощности, быстрые системы хранения данных и новые алгоритмы обучения глубоких нейронных сетей. В настоящее время его применение в области оптической метрологии вызывает растущий интерес и привлекает значительное внимание. В отличие от традиционного подхода, основанного на физических моделях, оптическая метрология с применением глубокого обучения представляет собой подход, основанный на данных, который уже обеспечил многочисленные альтернативные решения многих сложных задач в этой области с более высокой эффективностью. В этом обзоре представлен обзор современного состояния и последних достижений технологий глубокого обучения в оптической метрологии. Сначала кратко рассматриваются традиционные алгоритмы обработки изображений в оптической метрологии и основные понятия глубокого обучения, после чего приводится всесторонний обзор его применений в различных задачах оптической метрологии, таких как подавление шума на интерференционных полосах, восстановление фазы, развёртывание фазы, корреляция подмножеств и компенсация ошибок. Далее обсуждаются нерешённые проблемы, с которыми сталкиваются современные подходы глубокого обучения в оптической метрологии. Наконец, намечаются направления будущих исследований.