[文献速递Vol.301]-基于人工神经网络的鲁棒多表面相移干涉测量

本文提出了一种基于人工神经网络的新型相位提取算法（ANNPA），用于解决多表面相移干涉测量中的相位误差问题。研究背景指出传统相移干涉测量存在单表面测量限制、严格等间隔要求以及对误差敏感等问题。研究目的是通过设计训练数据集和神经网络结构，抑制高阶相位误差并适应非理想相移条件。实验结果表明，ANNPA具有高可编辑性、鲁棒性强和计算高效等优势，成功应用于Fizeau干涉仪系统中，为半导体制造和光学检测领域提供了高精度测量方案。主要创新包括神经网络架构创新、误差建模方法和实用算法体系。