CN117518462B - 光学膜片厚度自适应设计方法及系统 - Google Patents
光学膜片厚度自适应设计方法及系统 Download PDFInfo
- Publication number
- CN117518462B CN117518462B CN202410001521.2A CN202410001521A CN117518462B CN 117518462 B CN117518462 B CN 117518462B CN 202410001521 A CN202410001521 A CN 202410001521A CN 117518462 B CN117518462 B CN 117518462B
- Authority
- CN
- China
- Prior art keywords
- data
- optical
- generate
- optical film
- light source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000012788 optical film Substances 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000013461 design Methods 0.000 title claims abstract description 82
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 30
- 230000003287 optical effect Effects 0.000 claims abstract description 378
- 230000004044 response Effects 0.000 claims abstract description 104
- 238000004458 analytical method Methods 0.000 claims abstract description 100
- 230000008859 change Effects 0.000 claims abstract description 84
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 43
- 239000000463 material Substances 0.000 claims abstract description 35
- 238000012876 topography Methods 0.000 claims abstract description 17
- 239000012528 membrane Substances 0.000 claims description 99
- 238000013507 mapping Methods 0.000 claims description 52
- 238000001228 spectrum Methods 0.000 claims description 39
- 238000012360 testing method Methods 0.000 claims description 38
- 238000010521 absorption reaction Methods 0.000 claims description 37
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 26
- 238000002834 transmittance Methods 0.000 claims description 26
- 230000003595 spectral effect Effects 0.000 claims description 25
- 238000000411 transmission spectrum Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 21
- 230000008649 adaptation response Effects 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 239000010408 film Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 238000010183 spectrum analysis Methods 0.000 claims description 13
- 230000003746 surface roughness Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 abstract description 11
- 238000005286 illumination Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 238000002310 reflectometry Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 239000010409 thin film Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000005457 Black-body radiation Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0012—Optical design, e.g. procedures, algorithms, optimisation routines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Optics & Photonics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及光学元件设计技术领域，尤其涉及一种光学膜片厚度自适应设计方法及系统。所述方法包括以下步骤：获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；本发明通过考虑光学膜片参数的敏感性以及光学环境的变化，并且通过快速响应和睡眠模式的切换，提高了厚度自适应的能源利用和响应速度。
Description
技术领域
本发明涉及光学元件设计技术领域，尤其涉及一种光学膜片厚度自适应设计方法及系统。
背景技术
最早的光学薄膜设计方法是基于几何光学的理论，即利用介质的折射率和薄膜的厚度来调节反射和透射光的干涉效应，随着材料科学的发展，人们开始研究具有复杂光学性质的材料，如多层膜、光学滤波器和反射镜等，随着计算机技术的进步，人们开始使用数值计算方法来进行光学薄膜设计。这些方法基于电磁场理论和传输矩阵法，使得人们能够更准确地计算光学薄膜的反射和透射特性，并进行优化设计，计算机算力和材料科学的进步，光学薄膜厚度自适应设计变得更加精确和高效。现代的光学薄膜设计方法不仅考虑到单一波长下的光学性能，还可以优化多波长、宽光谱范围内的光学性能，甚至包括抗反射、增透、滤波和光学偏振等复杂功能。然而目前的光学膜片厚度自适应设计仍然无法准确，在传统设计方法中，很少考虑光学膜片参数的敏感性，无法准确评估参数调整对光学性能的影响，同时只考虑固定环境下的光学性能，无法适应光学环境的变化，导致能源利用和响应速度较低。
发明内容
基于此，有必要提供一种光学膜片厚度自适应设计方法及系统，以解决至少一个上述技术问题。
为实现上述目的，一种光学膜片厚度自适应设计方法，所述方法包括以下步骤：
步骤S1：获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
步骤S2：通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
步骤S3：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
步骤S4：基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
步骤S5：利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
步骤S6：将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
本发明通过获取光学膜数据和实时表面形貌数据，系统可以获取光学膜片的实际状态和表面形貌信息。这提供了实时的数据基础，使得系统能够及时响应光学环境的变化，并做出相应的调整，通过实时表面形貌数据的采集和分析，系统可以基于实际情况对光学膜片进行表面拓扑分析，并生成相关的表面拓扑数据。这些数据可以作为设计的依据，使得光学膜片的厚度调整更加准确和精细化。通过表面拓扑分析和生成的表面拓扑数据，系统可以更好地了解光学膜片表面的几何形状和拓扑结构。这有助于优化光学膜片的性能，例如减少反射、提高透射、改善光学偏振等，从而增强光学系统整体的效果和质量。通过对表面拓扑数据进行光学材料属性分析，可以了解光学膜片的材料特性，例如折射率、散射特性等。这有助于更好地理解和模拟光在薄膜中的传播和相互作用，通过分析表面拓扑数据有助于更好地理解光在膜片表面的散射、透射等现象，并为后续优化设计提供参考。通过对膜片光学数据进行参数敏感度分析，可以评估不同参数对膜片光学性能的影响程度，通过敏感度分析，可以更加精确地控制光学膜片的性能，提高设计效率和准确性。使用模拟光源对膜片表面进行光源映射，可以模拟不同光照条件下的表面纹理效果，为理解光在膜片上的传播和反射提供重要参考。通过光学变化预测数据，可以更好地理解膜片的光学行为，并在设计和优化过程中引导决策。这有助于提高膜片的性能、减少试错成本。通过利用光学传感器对光学膜片进行光学环境变化采集，并基于光学环境数据进行厚度调整响应稳定性分析，生成厚度调整稳定系数，能够更好地了解光学膜片在实际应用中的性能表现，并制定相应的优化策略。这有助于提高光学膜片的稳定性、可靠性和适应性。通过光学膜片的厚度自适应设计系统，系统可以实现快速且准确地对光学环境变化做出响应，从而确保光学膜片的稳定性和性能。其次，通过进入睡眠模式以降低能耗，系统可以节省能量并延长光学膜片的使用寿命。最后，模块化的设计系统还可以提供更高的可扩展性和灵活性，以适应不同应用场景的要求。因此，本发明通过考虑光学膜片参数的敏感性以及光学环境的变化，并且通过快速响应和睡眠模式的切换，提高了厚度自适应的能源利用和响应速度。
本发明的有益效果在于通过获取光学膜数据并进行表面形貌数据采集，可以获取实时的表面形貌数据。这有益于系统对光学膜片进行后续的分析和处理，以实现更准确的厚度调整和稳定性控制。对表面拓扑数据进行光学材料属性分析，可以生成表面纹理曲率范围数据和膜片光学属性数据。这有助于系统更好地理解光学膜片的特征和性能，为后续的分析和设计提供基础。三维模型构建和表面纹理映射，可以生成具有高度准确性的光学角度测试数据。这对于系统的光学变化预测和厚度调整响应稳定性分析非常重要，能够提供准确的数据支持。通过光谱分析和模型训练，可以生成光学变化预测模型，并将反射光谱数据和透射光谱数据导入进行预测。这有益于系统预测光学膜片在不同光谱条件下的性能变化，以便进行相应的厚度调整和稳定性控制。光学环境数据采集和厚度调整响应稳定性分析，可以生成厚度调整稳定系数。这将帮助系统评估光学膜片在不同光学环境下的性能稳定性，为后续的厚度调整模式选择提供重要依据。将厚度调整稳定系数与预设的标准稳定阈值进行对比，并基于快速响应模式和睡眠模式对光学膜片进行模块化集成处理。这样可以生成光学膜片厚度自适应设计系统，具有快速响应能力和能耗优化的特点，以适应不同光学环境变化并提供稳定性能。因此，本发明通过考虑光学膜片参数的敏感性以及光学环境的变化，并且通过快速响应和睡眠模式的切换，提高了厚度自适应的能源利用和响应速度。
附图说明
图1为一种光学膜片厚度自适应设计方法的步骤流程示意图；
图2为图1中步骤S2的详细实施步骤流程示意图；
图3为图1中步骤S3的详细实施步骤流程示意图；
图4为图1中步骤S5的详细实施步骤流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图4，一种光学膜片厚度自适应设计方法，所述方法包括以下步骤：
步骤S1：获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
步骤S2：通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
步骤S3：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
步骤S4：基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
步骤S5：利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
步骤S6：将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
本发明通过获取光学膜数据和实时表面形貌数据，系统可以获取光学膜片的实际状态和表面形貌信息。这提供了实时的数据基础，使得系统能够及时响应光学环境的变化，并做出相应的调整，通过实时表面形貌数据的采集和分析，系统可以基于实际情况对光学膜片进行表面拓扑分析，并生成相关的表面拓扑数据。这些数据可以作为设计的依据，使得光学膜片的厚度调整更加准确和精细化。通过表面拓扑分析和生成的表面拓扑数据，系统可以更好地了解光学膜片表面的几何形状和拓扑结构。这有助于优化光学膜片的性能，例如减少反射、提高透射、改善光学偏振等，从而增强光学系统整体的效果和质量。通过对表面拓扑数据进行光学材料属性分析，可以了解光学膜片的材料特性，例如折射率、散射特性等。这有助于更好地理解和模拟光在薄膜中的传播和相互作用，通过分析表面拓扑数据有助于更好地理解光在膜片表面的散射、透射等现象，并为后续优化设计提供参考。通过对膜片光学数据进行参数敏感度分析，可以评估不同参数对膜片光学性能的影响程度，通过敏感度分析，可以更加精确地控制光学膜片的性能，提高设计效率和准确性。使用模拟光源对膜片表面进行光源映射，可以模拟不同光照条件下的表面纹理效果，为理解光在膜片上的传播和反射提供重要参考。通过光学变化预测数据，可以更好地理解膜片的光学行为，并在设计和优化过程中引导决策。这有助于提高膜片的性能、减少试错成本。通过利用光学传感器对光学膜片进行光学环境变化采集，并基于光学环境数据进行厚度调整响应稳定性分析，生成厚度调整稳定系数，能够更好地了解光学膜片在实际应用中的性能表现，并制定相应的优化策略。这有助于提高光学膜片的稳定性、可靠性和适应性。通过光学膜片的厚度自适应设计系统，系统可以实现快速且准确地对光学环境变化做出响应，从而确保光学膜片的稳定性和性能。其次，通过进入睡眠模式以降低能耗，系统可以节省能量并延长光学膜片的使用寿命。最后，模块化的设计系统还可以提供更高的可扩展性和灵活性，以适应不同应用场景的要求。因此，本发明通过考虑光学膜片参数的敏感性以及光学环境的变化，并且通过快速响应和睡眠模式的切换，提高了厚度自适应的能源利用和响应速度。
本发明实施例中，参考图1所述，为本发明一种光学膜片厚度自适应设计方法及系统的步骤流程示意图，在本实例中，所述一种光学膜片厚度自适应设计方法及系统包括以下步骤：
步骤S1：获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
本发明实施例中，通过确定光学膜样品的来源和相关信息，使用适当的仪器和设备，如显微镜、扫描电子显微镜（SEM）或原子力显微镜（AFM），获取光学膜样品的图像或表面形貌数据。对光学膜样品进行适当的表面处理，以确保表面整洁且无杂质，使用合适的仪器和技术，如AFM或光学显微镜，对光学膜样品进行扫描或测量，以获得实时表面形貌数据。这些数据可以是三维表面拓扑图像或二维高度图。使用图像处理软件或特定的拓扑分析工具，对实时表面形貌数据进行分析和处理，进行特征提取，例如测量表面粗糙度、峰谷高度、颗粒分布等，根据需求使用特定算法或方法进行差异比较、统计分析或其他类型的表面拓扑分析。根据分析结果，生成表面拓扑数据，可能包括拓扑参数、表面特征、统计数据等。
步骤S2：通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
本发明实施例中，通过使用各种测量技术（如激光测量、光学投射、扫描电子显微镜等）获取待分析表面的拓扑数据。这些数据可以是高程图、点云数据或三维模型等形式。对获取到的拓扑数据进行预处理，如去除噪声、填补缺失数据、平滑等。这有助于提高后续分析的准确性和可靠性。基于预处理的拓扑数据，可以计算出表面的曲率范围数据。这可以通过计算曲率图、高斯曲率、平均曲率等几何特征来实现。这些数据反映了表面在不同位置上的弯曲程度和形状特征。利用表面纹理曲率范围数据，可以对光学膜片的性能进行分析。通过结合光学物理原理和材料参数，可以计算出膜片的反射率、透射率、折射率、散射特性等光学属性数据。在膜片光学属性分析的基础上，可以评估各个参数对膜片性能的敏感度。这可以通过变化每个参数的值，并观察其对相应光学性能的影响来完成。这些参数可以包括膜片的厚度、材料的折射率、曲率半径等。根据敏感度分析的结果，生成膜片参数敏感性分析数据。
步骤S3：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
本发明实施例中，通过使用三维重构方法，根据膜片参数敏感性分析数据生成膜片的三维表面模型。这可以使用点云配准、表面重建算法等技术来实现。基于生成的三维膜片表面模型，模拟光源的位置和特性，对表面进行光照计算，得到表面的光照分布。这可以使用渲染引擎或实时光线追踪等技术来实现。生成的表面纹理光源映射数据可以包含各个点的表面颜色、明暗等信息。将生成的表面纹理映射数据与表面纹理曲率范围数据进行对比分析。通过比较两者之间的差异，可以得到有关光学角度的测试数据，例如反射率的变化、散射特性等。这可以帮助评估膜片的光学性能及其在不同视角下的变化。
步骤S4：基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
本发明实施例中，通过使用光谱仪或其他相关设备，对光学角度测试数据进行光谱分析。通过测量样品在不同波长下的反射光谱和透射光谱，得到相应的光谱特性数据。利用获得的光谱特性数据，进行模型训练。使用机器学习或统计建模等方法，构建光学变化预测模型。这个模型可以是回归模型、深度学习模型、支持向量回归等，根据具体情况选择合适的模型。将反射光谱数据和透射光谱数据导入训练好的光学变化预测模型，进行光学变化数据的预测。模型根据输入的光谱数据，输出对应的光学变化情况，例如反射率的变化、透射率的变化等。
步骤S5：利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
本发明实施例中，通过使用适当的光学传感器或测量设备，对光学膜片在光学环境中的性能进行采集。这包括光照强度、波长分布、环境温度等参数。可以使用光谱辐射计、光强计、温度传感器等设备来获取数据。基于光学环境数据，对光学膜片的厚度调整响应进行稳定性分析。这可以通过比较不同光学环境下膜片性能的变化来实现。例如，观察膜片的反射率、透射率、色散性质等在不同光照强度、波长分布或环境温度下的变化情况。根据分析得到的结果，计算并生成膜片的厚度调整稳定系数。这可能涉及对膜片性能变化的量化评估，例如使用系数、百分比变化等。稳定系数可以用来评估膜片在不同光学环境下的性能稳定性和对环境变化的响应情况。
步骤S6：将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
本发明实施例中，通过将厚度调整稳定系数与预设的标准稳定阈值进行对比。标准稳定阈值是根据设计需求和性能要求预先确定的标准值或范围。比较稳定系数与阈值，判断稳定系数是否满足稳定性要求。根据稳定系数的比较结果，决定光学膜片的工作模式。如果稳定系数高于或等于标准稳定阈值，设定为快速响应模式，光学膜片将快速响应环境变化，并实时进行厚度调整以保持稳定性。如果稳定系数低于标准稳定阈值，设定为睡眠模式，光学膜片将暂时停止或降低厚度调整活动以节省能量和延长使用寿命。根据快速响应模式和睡眠模式，对光学膜片进行模块化集成处理。这可能涉及设计和实现适当的控制电路和算法，用于检测光学环境、驱动厚度调整和切换不同工作模式。将模块化集成处理后的光学膜片与适当的传感器、控制器和系统接口等组件结合在一起，形成完整的光学膜片厚度自适应设计系统。该系统可以实时监测光学环境变化，并根据需求自动调整膜片厚度，以确保性能稳定和适应不同工作条件。
优选的，步骤S1包括以下步骤：
步骤S11：获取光学膜数据；
步骤S12：根据光学膜数据对干涉仪和相机进行设备校准，得到光学拍摄校准参数；
步骤S13：通过光学拍摄校准参数对光学膜片进行扫描路径规划，生成光学膜表面扫描路径设计数据；
步骤S14：基于光学膜表面扫描路径设计数据利用相机对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；
步骤S15：对实时表面形貌数据进行非均匀性校正，生成表面形貌均匀数据；对表面形貌均匀数据进行畸变校准，生成非均匀性畸变校正数据；
步骤S16：根据非均匀性畸变校正数据对光学膜片进行表面拓扑分析，生成表面拓扑数据。
本发明通过获取光学膜数据，包括收集光学膜的基本信息、特性等，对干涉仪和相机进行校准，以确保它们的测量结果准确可靠，光学拍摄校准参数的获取可能有助于消除系统误差，利用光学拍摄校准参数规划扫描路径，可能是为了确保全面覆盖光学膜表面，生成的路径设计数据可能有助于提高数据采集的效率。利用相机对光学膜进行表面形貌数据采集，这一步的结果可能用于后续的质量分析或其他表面特性的评估。对实时表面形貌数据进行非均匀性校正，可能是为了消除不均匀的误差，进行畸变校准，以纠正可能由于设备或其他因素引起的形貌畸变，生成均匀的表面形貌数据，有助于提高测量的准确性。利用非均匀性畸变校正数据进行表面拓扑分析，生成表面拓扑数据，可能用于深入了解光学膜的形貌特性。
本发明实施例中，通过这个步骤可能包括使用适当的传感器或设备获取光学膜的数据，这些数据可以是关于膜片的尺寸、形状、反射率、透射率等，可能需要采集多个数据点以确保全面性和准确性，在干涉仪和相机的设备校准中，可能需要进行以下操作：干涉仪的校准可以包括校准干涉仪的镜片、光源和探测器，以确保它们的准确性和稳定性，相机的校准可能包括相机的标定，例如相机的畸变校准、相机位置的确定、焦距的校准等，校准的结果可能包括干涉仪和相机的参数，这些参数用于后续的测量和校准过程。扫描路径规划可能使用计算机辅助设计（CAD）软件或其他专门设计软件来完成，根据光学拍摄校准参数，确定光学膜片的表面扫描路径，确保全面性和效率，生成的扫描路径设计数据可能包括坐标和运动轨迹。利用相机对光学膜片进行表面形貌数据采集，可能需要考虑以下因素：相机的位置和姿态，确保准确的数据采集，图像采集的频率，以获得实时的表面形貌数据，采集的数据可能是图像或点云数据，包含光学膜表面的细节。非均匀性校正可能包括使用校正算法来消除图像中的非均匀性，例如亮度变化或噪声，畸变校准可能包括使用标定模型来矫正相机图像中的畸变，以获得准确的尺寸和形状信息，这些校准过程可能需要先验数据或基准对象来进行。在这一步骤中，非均匀性畸变校正数据用于进行表面拓扑分析，这可能涉及到拓扑学、图像处理、计算机视觉等技术，用于分析光学膜片的形状、表面特性、缺陷等。结果可能包括生成的表面拓扑数据，用于质量控制、品质评估或其他应用。
优选的，步骤S2包括以下步骤：
步骤S21：对表面拓扑数据进行数据预处理，生成标准表面拓扑数据，其中表面粗糙度数据和表面纹理数据；
步骤S22：利用高程图对表面纹理数据进行可视化处理，得到膜片纹理走向图；对膜片纹理走向图进行纹理曲率范围计算，生成表面纹理曲率范围数据；
步骤S23：基于表面纹理曲率范围数据和表面粗糙度数据对光学膜片进行光学材料属性分析，生成膜片光学属性数据；根据膜片光学属性数据进行光学性能目标制定，生成膜片光学性能目标数据；
步骤S24：利用表面拓扑数据、膜片光学属性数据和膜片光学性能目标数据进行初始目标光学膜片设计，从而得到初始膜片设计参数；对初始膜片设计参数进行参数敏感度分析，生成膜片参数敏感性分析数据。
本发明通过对表面拓扑数据进行预处理，可能包括平滑化、滤波、去噪等操作，以生成标准的表面拓扑数据，生成的标准表面拓扑数据可能包括表面粗糙度数据和表面纹理数据，这些数据将为后续的分析提供基础；通过使用高程图对表面纹理数据进行可视化处理，可以更清楚地展现膜片表面的纹理特征，对膜片纹理走向图进行纹理曲率范围计算，可能用于表征膜片表面的曲率变化，生成的表面纹理曲率范围数据可能有助于进一步理解膜片表面的形貌和特性，基于表面纹理曲率范围数据和表面粗糙度数据，对光学膜片进行光学材料属性分析，可能涉及材料的透光性、反射性等属性。生成的膜片光学属性数据可能有助于深入了解膜片的光学特性。利用表面拓扑数据、膜片光学属性数据和膜片光学性能目标数据，进行初始目标光学膜片设计，从初始膜片设计参数中进行参数敏感度分析，可能包括评估各参数对光学性能的影响程度，生成的膜片参数敏感性分析数据可能有助于优化设计，并提高膜片的光学性能和整体质量。
作为本发明的一个实例，参考图2所示，在本实例中所述步骤S2包括：
步骤S21：对表面拓扑数据进行数据预处理，生成标准表面拓扑数据，其中表面粗糙度数据和表面纹理数据；
本发明实施例中，通过采集表面拓扑数据，这可能包括使用激光扫描仪、摄像机或其他传感器对膜片或物体进行扫描，清洗数据，去除可能存在的噪声和异常值，以确保数据质量。使用激光扫描等设备进行数据采集，通常会生成点云数据，对点云数据进行处理，可能包括点云滤波、点云配准等操作，以提高数据的准确性和一致性。基于点云数据或其他采集的数据，可以进行表面重建，以创建连续的表面模型，常见的方法包括三角化和网格化，将点云数据转化为表面模型。通过分析表面模型，可以计算表面粗糙度。这可以涉及测量表面的高度差异或使用数学方法来估算粗糙度，粗糙度数据通常以高度图或标准差图的形式表示。表面纹理数据通常是从采集数据中提取的，例如图像数据，图像处理技术可以用于提取表面的纹理信息，如纹理图案或纹理方向，还可以使用纹理分析方法来计算纹理特征，如频谱分析或滤波。生成的表面粗糙度数据和表面纹理数据可能需要标准化，以确保数据格式一致性和可比性。
步骤S22：利用高程图对表面纹理数据进行可视化处理，得到膜片纹理走向图；对膜片纹理走向图进行纹理曲率范围计算，生成表面纹理曲率范围数据；
本发明实施例中，通过准备高程图，它通常包含有关表面的高度信息，可以是灰度图像或高程模型，利用图像处理技术，将表面纹理数据与高程图结合起来，以生成膜片纹理走向图，一种常见的方法是使用纹理滤波器，例如Gabor滤波器或Morlet小波变换，来分析图像中的纹理方向。这将产生一个图像，其中不同区域显示不同方向的纹理走向。一旦获得了膜片纹理走向图，可以计算表面的纹理曲率范围，这可以通过以下步骤实现：针对每个像素位置，计算其周围一定区域内的纹理方向，可以使用局部方向直方图等方法；使用这些局部方向信息来计算局部曲率，通常是通过计算方向梯度的变化来实现的；可以在整个图像上应用这些步骤，以生成表面的纹理曲率范围数据。可以使用颜色映射或其他可视化技术将纹理曲率范围数据映射到颜色图像上，以便可视化分析，生成的可视化图像将显示不同区域的曲率范围，从而帮助分析表面的纹理特性。
步骤S23：基于表面纹理曲率范围数据和表面粗糙度数据对光学膜片进行光学材料属性分析，生成膜片光学属性数据；根据膜片光学属性数据进行光学性能目标制定，生成膜片光学性能目标数据；
本发明实施例中，通过利用表面纹理曲率范围数据和表面粗糙度数据，进行光学材料属性分析，使用这些数据来计算光学参数，例如折射率、透过率、反射率等，可以利用光学建模工具或现有的光学材料数据库来进行这些计算，将分析得到的光学参数整合，生成膜片光学属性数据。这些数据可以包括不同波长下的折射率曲线、透过率和反射率的空间分布等信息，根据应用需求和具体的光学性能目标，制定一系列指标和要求，例如，如果膜片用于某种光学设备，可能需要制定特定波段下的高透过率或低反射率作为目标。根据制定的光学性能目标，生成相应的数据，这可以通过调整材料属性、优化表面结构等方式来满足目标要求，可以使用优化算法，例如遗传算法或梯度下降，以达到所设定的光学性能目标，将生成的膜片光学属性数据和性能目标数据保存下来，以备后续分析和报告。
步骤S24：利用表面拓扑数据、膜片光学属性数据和膜片光学性能目标数据进行初始目标光学膜片设计，从而得到初始膜片设计参数；对初始膜片设计参数进行参数敏感度分析，生成膜片参数敏感性分析数据。
本发明实施例中，通过确保已获得表面拓扑数据，这些数据描述了膜片的形状、结构和纹理，表面拓扑数据可以包括三维坐标数据、曲率信息、孔隙分布等，利用生成的膜片光学属性数据，这些数据包括折射率、透过率、反射率等光学性质。利用生成的膜片光学性能目标数据，这些数据反映了期望的光学性能，如透过率、反射率、波长范围等。利用表面拓扑数据、膜片光学属性数据和膜片光学性能目标数据，进行初始膜片设计，这可以涉及使用光学设计软件或自定义算法来确定膜片的结构、材料和几何参数，以满足光学性能目标，调整设计参数，以使生成的膜片满足预期的光学性能。对初始膜片设计参数进行参数敏感度分析，以确定哪些参数对光学性能最为敏感，这可以通过微分分析或数值模拟来实现。通过微小的参数变化来评估其对性能的影响，记录参数敏感度分析的结果，生成膜片参数敏感性分析数据。
优选的，步骤S3包括以下步骤：
步骤S31：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；
步骤S32：基于模拟光源对三维膜片表面模型进行第一角度光源照射，得到第一角度光源照射数据；
步骤S33：基于第一角度光源照射数据对三维膜片表面模型进行第二角度光源照射，得到第二角度光源照射数据；
步骤S34：对第一角度光源照射数据和第二角度光源照射数据进行折射率计算，得到光源折射率数据；对第一角度光源照射数据和第二角度光源照射数据进行透射率计算，得到光源透射率数据；
步骤S35：利用光源波长吸收评估公式对光源折射率数据和光源透射率数据进行膜片光学波长吸收评估，生成膜片光学属性数据；通过膜片光学属性数据对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；
步骤S36：将表面纹理映射数据和表面纹理曲率范围数据进行对比，当表面纹理映射数据的纹理曲率大于或等于表面纹理曲率范围数据时，则将表面纹理映射数据标记为光学角度测试数据；当表面纹理映射数据的纹理曲率小于表面纹理曲率范围数据时，则对表面纹理映射数据进行剔除。
本发明通过三维重构方法，将膜片参数敏感性分析数据转化为三维膜片表面模型，提供了一个可视化的膜片表面模型，为后续光学性能分析提供基础。通过模拟光源，获取第一角度和第二角度的光源照射数据，为后续的光学计算提供了输入数据，考虑到不同角度的光源照射。基于光源照射数据，进行折射率和透射率的计算，提供了关于膜片在不同角度下的光学性质，为进一步分析提供基础。利用光源波长吸收评估公式，对折射率和透射率数据进行分析，生成膜片光学属性数据，提供了关于膜片在不同波长下的吸收情况，为光学性能的全面评估提供了数据支持。通过膜片光学属性数据对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据，将表面纹理映射数据与表面纹理曲率范围数据对比，标记光学角度测试数据，并对不符合条件的数据进行剔除，充分考虑表面纹理对光学性能的影响，为进一步的优化和设计提供了方向。
作为本发明的一个实例，参考图3所示，在本实例中所述步骤S3包括：
步骤S31：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；
本发明实施例中，通过需要收集膜片参数敏感性分析数据。这些数据可以包括各种参数，如膜片的几何形状、尺寸、表面特性等。数据可能是来自实验或仿真的结果。对收集到的数据进行清洗和预处理，以去除噪声和确保数据的一致性。这可能包括数据插值、去除异常值等操作。使用三维重构方法，将清洗和预处理后的数据转化为三维膜片表面模型。这可以通过以下几种方法之一来实现：如果参数敏感性数据是以点云的形式提供的，可以使用点云重构算法，如最小二乘法、泊松重建或Marching Cubes等，将点云数据转化为表面模型；如果数据是由图像或二维数据提供的，可以使用图像处理和计算机视觉技术来进行三维模型构建。这包括图像分割、特征提取和体绘制等操作；如果有关膜片的几何形状和属性的方程式可用，可以使用数学建模技术来生成三维模型。生成的三维模型可能需要进一步验证和修正，以确保其准确性和完整性。这可以涉及与实际膜片数据的比较，或者使用其他测量技术来验证模型的准确性，一旦生成的三维膜片表面模型被确认为准确，它可以被保存为数字模型文件，如STL、OBJ或PLY等格式，以供后续的光学性能分析和模拟使用。
步骤S32：基于模拟光源对三维膜片表面模型进行第一角度光源照射，得到第一角度光源照射数据；
本发明实施例中，通过确定要使用的模拟光源的参数，包括光源类型（点光源、平行光源、聚光灯等）、光源强度、波长（可见光、紫外光等）等。这些参数将影响光照模拟的精确度。配置渲染环境，包括光源的位置、方向和角度。这些参数将确定光线的入射角度和位置。通常，可以使用三维渲染软件或引擎来进行此配置，将生成的三维膜片表面模型导入到渲染软件或引擎中，以便后续的模拟和渲染。为膜片模型指定材质属性，包括折射率、反射率、透明度等，以确保在光线与膜片交互时具有正确的光学行为。使用光线追踪技术或其他渲染方法，模拟光线从光源照射到膜片表面的过程。这将生成光照射数据，包括入射角度、反射、透射、散射等信息。将模拟得到的第一角度光源照射数据记录并存储。这些数据可以包括光强分布、反射率、透射率等信息。
步骤S33：基于第一角度光源照射数据对三维膜片表面模型进行第二角度光源照射，得到第二角度光源照射数据；
本发明实施例中，通过确定第二角度光源的位置、方向和角度。这些参数将影响光线的入射角度和照射位置。选择不同的角度可以全面评估膜片的光学性能，利用第一角度的光源照射数据作为输入，模拟第二角度光源照射。这可以通过重新调整光源位置和角度，然后应用类似的光线追踪技术来实现。使用渲染引擎对膜片模型进行重新渲染，以模拟第二角度光源的照射。这可能涉及调整光源参数和膜片材质属性，以反映新的照射角度。记录第二角度光源照射数据，包括光强分布、反射率、透射率等信息。确保将数据妥善存储以备后续分析使用。如果需要对多个角度进行光源照射模拟，则可以重复上述步骤，为每个新的角度设置适当的参数，并记录相应的数据。将第二角度光源照射数据与第一角度光源照射数据进行比较和分析，以评估膜片在不同角度下的光学性能差异。
步骤S34：对第一角度光源照射数据和第二角度光源照射数据进行折射率计算，得到光源折射率数据；对第一角度光源照射数据和第二角度光源照射数据进行透射率计算，得到光源透射率数据；
本发明实施例中，通过从第一角度和第二角度照射数据中提取相关的光学参数，比如入射角度、介质信息、反射率等，利用斯涅尔定律计算折射率。这个定律规定了光线从一种介质到另一种介质时的折射关系。公式为：，其中/>和/>分别是两种介质的折射率，/>和/>是入射角和折射角。根据斯涅尔定律和相关的入射角度，可以计算第一角度和第二角度照射下的折射率数据。考虑到不同介质的变化可能会引起折射率的变化。提取第一角度和第二角度的照射数据中的透射率相关信息。这可能包括材料特性、厚度以及光线穿透后的强度变化。根据光学性质、材料特性和入射光的强度，通过透射率计算方法来确定第一角度和第二角度下的透射率数据。这可能基于不同的模型或公式，如 Beer-Lambert 定律等。对获得的折射率和透射率数据进行统计分析，比较两个角度下的折射率和透射率差异，找出相关模式或规律。
步骤S35：利用光源波长吸收评估公式对光源折射率数据和光源透射率数据进行膜片光学波长吸收评估，生成膜片光学属性数据；通过膜片光学属性数据对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；
本发明实施例中，通过需要确定适用于应用的光源波长吸收评估公式。这个公式可能基于薄膜光学、光谱学或其他相关领域的知识。公式的选择通常取决于光源的光谱特性以及膜片的材料和特性。将第一步骤中计算的光源折射率和透射率数据整理成所需的格式，以便输入到评估公式中。使用选定的光源波长吸收评估公式，将光源折射率和透射率数据输入公式中，以计算膜片的光学属性数据。这些属性数据可能包括膜片的吸收系数、反射系数、透射系数等。将计算的膜片的光学属性数据映射到三维表面模型上。这通常涉及将属性数据分配给三维模型的表面元素，以便模拟光线与表面的交互。根据属性数据，可以生成表面纹理映射数据。这些数据描述了膜片表面的光学特性，如颜色、反射、透射等。这些数据可以用于视觉渲染或其他分析用途。根据需求，对生成的表面纹理映射数据进行进一步的处理，例如压缩、优化或修正。
步骤S36：将表面纹理映射数据和表面纹理曲率范围数据进行对比，当表面纹理映射数据的纹理曲率大于或等于表面纹理曲率范围数据时，则将表面纹理映射数据标记为光学角度测试数据；当表面纹理映射数据的纹理曲率小于表面纹理曲率范围数据时，则对表面纹理映射数据进行剔除。
本发明实施例中，通过遍历表面纹理映射数据，获取每个数据点的纹理曲率值，将每个纹理数据的曲率值与表面纹理曲率范围数据进行比较。将这些数据标记为“光学角度测试数据”。这表示这些数据点的纹理曲率在所需的曲率范围内，适合用于光学角度测试或其他相关用途。对这些数据进行剔除或标记为不符合要求。这可能意味着这些数据点的曲率特征不适合用于特定的光学角度测试，或者需要进一步处理或筛选。根据上述条件，将数据标记为合格或不合格，记录所做的标记或剔除操作。生成新的数据集，仅包含符合条件的“光学角度测试数据。
优选的，步骤S35中的光源波长吸收评估公式具体如下：
式中，表示为光源在波长为/>处的吸收率，/>表示为光源在波长为/>处的折射率，/>表示为光的波长，/>表示为光源在波长为/>处的透射率，/>表示为光源的光谱分布函数，/>表示为普朗克常数，/>表示为真空中的光速，/>表示为玻尔兹曼常数，/>表示为光源的温度，/>表示为光源波长吸收评估异常调整值。
本发明构建了一种光源波长吸收评估公式，光源波长吸收评估公式用于计算光源在不同波长下的吸收率，即光在光源中被吸收的程度，公式基于光的折射率、透射率以及光源的光谱分布函数来计算吸收率，通过积分计算，在整个波长范围内对光源的光谱分布函数乘以透射率-吸收率比值，并乘以折射率除以波长，从而得到各个波长下的吸收率，将积分结果与光源波长吸收评估异常调整值相加，得到最终的吸收率。根据光源在波长为处的折射率与以上各参数之间的相互关系构成了一种函数关系：
折射率是光在光源中传播速度的比值，它影响了光的传播路径和相位的改变。通过考虑折射率，可以对光源在不同波长下的吸收进行更准确的评估。透射率/>表示光通过光源时被传递的比例，它是光源在不同波长下光强的调节因素。通过考虑透射率，可以对光源的吸收特性进行更全面的分析。光谱分布函数/>描述了光源在不同波长下辐射光的强度分布。它基于黑体辐射分布，考虑了光源的温度对光谱的影响。通过光谱分布函数，可以更准确地模拟光源的辐射特性。光源的温度/>影响光谱分布函数中的黑体辐射分布，不同温度下的光源会产生不同强度和分布的光谱。通过调整温度参数，可以模拟不同条件下的光源光谱特性。通过光源波长吸收评估异常调整值/>，用于校正由于实际系统的复杂性和非理想性而引起的误差和偏差。它可以纠正公式中的理论假设与实际系统之间的差异，提高光源波长吸收评估的准确性和可靠性，更加准确的生成光源在波长为/>处的吸收率，同时公式中的光源在波长为/>处的透射率、光的波长等参数可以根据实际情况进行调整，从而适应不同的光源波长吸收评估场景，提高了算法的适用性和灵活性。在使用本领域常规的光源波长吸收评估公式时，可以得到光源在波长吸收率，通过应用本发明提供的光源波长吸收评估公式，可以更加精确的计算出光源在波长为/>处的吸收率。光源波长吸收评估公式通过考虑折射率、透射率、光谱分布函数和温度等参数，能够更准确地评估光源在不同波长下的吸收率。这种评估可以用于光学材料、光学器件等领域的研究和设计，有助于理解光在材料中的相互作用和光学特性的变化。
优选的，步骤S4包括以下步骤：
步骤S41：基于光学角度测试数据进行光谱分析，生成反射光谱数据和透射光谱数据；
步骤S42：对反射光谱数据和投射光谱数据进行光谱数据去噪，生成反射光谱去噪数据和透射光谱去噪数据；对反射光谱去噪数据和透射光谱去噪数据进行平滑处理，得到光谱特性数据；
步骤S43：利用PCA方法对光谱特性数据进行数据降维，生成光谱特性降维数据；将光谱特性降维数据进行数据集划分，生成模型训练集和模型测试集；
步骤S44：根据随机森林算法对模型训练集进行模型训练，生成光学变化预模型；通过模型测试集对光学变化预模型进行模型优化，从而生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据。
本发明通过光谱分析，可以将原始测试数据转化为反射和透射的光谱信息，为后续处理提供了基础，去噪可以减少数据中的噪声干扰，提高数据质量，使得后续的分析更加准确和可靠。平滑处理可以进一步降低数据中的高频噪声，使得数据变得更加平滑和易于处理。降维可以减少数据集的维度，提高数据处理和建模的效率。同时，通过划分训练集和测试集，可以评估模型的性能，避免过拟合。通过训练模型，可以利用已有的数据来建立预测模型，用于预测未知的光学变化数据。随机森林算法是一种强大的机器学习算法，能够处理复杂的关系，并在训练集和测试集上进行模型评估和优化，以保证模型的泛化性能。
本发明实施例中，通过使用光谱分析工具，如光谱仪或光谱成像设备，对光学角度测试数据进行处理，提取反射光谱数据和透射光谱数据，使用信号处理技术，如滤波器或小波变换，对反射光谱和透射光谱进行去噪。接着，可以采用平滑算法，如移动平均或Loess平滑，对去噪数据进行平滑处理。应用主成分分析（PCA）方法对光谱特性数据进行降维。PCA通过找到数据中的主成分，实现数据降维，保留主要特征，选择随机森林算法作为光学变化预测模型的基础。随机森林是一种集成学习方法，对于复杂的关系建模效果较好。将降维后的数据集划分为模型训练集和模型测试集，通常采用交叉验证的方式，使用随机森林算法对模型训练集进行训练，建立光学变化预模型。通过模型测试集对模型进行优化，可以调整算法参数或进行特征选择，以提高模型性能。将反射光谱数据和透射光谱数据导入训练好的光学变化预测模型，得到光学变化预测数据。
优选的，步骤S5包括以下步骤：
步骤S51：对光学膜片进行光学传感器部署，并通过光学传感器进行光学环境变化采集，获得光学环境数据；
步骤S52：基于光学环境数据对光学膜片进行第一厚度调整，得到光学膜片第一厚度数据；
步骤S53：基于光学变化预测数据对光学膜片第一厚度数据进行第二厚度调整，生成光学膜片第二厚度数据；
步骤S54：对光学膜片第一厚度数据进行第一响应时间分析，生成第一厚度响应时间数据；对光学膜片第二厚度数据进行第二响应时间分析，生成第二厚度响应时间数据；通过自适应响应稳定分析公式对第一厚度响应时间数据和第二厚度响应时间数据进行响应稳定性检测，生成厚度调整稳定系数。
本发明通过实时环境监测与调整，可以实时采集光学环境数据，这有助于监测周围环境的变化，利用光学环境数据对光学膜片进行第一厚度调整，这使得光学膜片能够在不同的光学环境下作出及时响应。通过基于光学变化预测数据对光学膜片进行第二厚度调整，将光学变化预测数据与实际环境数据结合使用，提高了光学膜片的适应性。对光学膜片第一厚度和第二厚度的响应时间进行分析，这有助于了解光学膜片对环境变化的响应速度。自适应响应稳定分析公式应用于响应时间数据，生成了厚度调整稳定系数，这提供了关于光学膜片性能稳定性的重要信息。响应稳定性检测能够评估系统在不同环境条件下的性能，有助于确定系统是否足够稳定。
作为本发明的一个实例，参考图4所示，在本实例中所述步骤S5包括：
步骤S51：对光学膜片进行光学传感器部署，并通过光学传感器进行光学环境变化采集，获得光学环境数据；
本发明实施例中，通过选择适当类型的光学传感器。这可能包括光敏电阻、光电二极管（Photodiode）、光电晶体管（Phototransistor）等，确定在光学膜片上安装光学传感器的位置。这可能需要考虑光学膜片的尺寸、形状以及监测的光学参数。使用合适的固定装置将光学传感器安装在光学膜片上。确保传感器的位置对于准确采集光学环境数据是最佳的，建立连接，将光学传感器与数据采集系统相连。这可以通过导线、柔性电路板等方式实现。进行传感器的校准，确保其在不同环境条件下的输出准确可靠。校准过程可能需要调整灵敏度、补偿温度影响等。启动光学传感器和数据采集系统，开始采集光学环境数据。这可能包括光强度、波长、反射率等光学参数的变化。在采集过程中，实时监测光学环境的变化，并将数据记录下来。这有助于后续的分析和调整。
步骤S52：基于光学环境数据对光学膜片进行第一厚度调整，得到光学膜片第一厚度数据；
本发明实施例中，通过对之前采集到的光学环境数据进行详细分析。这可能涉及到光强度、波长、反射率等参数的变化趋势和关联性的研究，基于光学环境数据分析的结果，建立一个调整模型。该模型可以是数学模型或者基于机器学习算法的模型，用于描述光学膜片的厚度与环境参数之间的关系。确定需要调整的光学膜片厚度以及调整的方向。这可能需要考虑最小化光学膜片与环境之间的光学不匹配，使其在特定环境下表现最佳，使用合适的调整设备或系统，对光学膜片进行第一厚度调整。这可能包括利用机械设备、涂层技术等手段来实现。在调整过程中，实时监测光学环境数据的变化，并将反馈信息应用于调整过程。这有助于实现实时的优化调整。完成第一厚度调整后，再次采集光学环境数据，验证调整的效果。确保调整后的光学膜片在相应环境下表现出更好的光学性能。记录调整过程中使用的参数以及调整后得到的光学膜片第一厚度数据。这有助于未来的调整和优化。
步骤S53：基于光学变化预测数据对光学膜片第一厚度数据进行第二厚度调整，生成光学膜片第二厚度数据；
本发明实施例中，通过收集光学变化预测数据，这些数据可能包括光学环境的预测变化趋势、光学膜片性能的预测变化等。这可以通过历史数据分析、模拟实验等手段获取。利用收集到的光学变化预测数据建立一个预测模型。该模型可以是统计模型、机器学习模型或深度学习模型，用于预测光学环境变化对光学膜片性能的影响。基于预测模型的输出，确定需要进行的第二厚度调整的策略。这可能包括调整的方向、调整的幅度等。使用合适的调整设备或系统，对光学膜片进行第二厚度调整。这一步骤可能与第一厚度调整有所不同，具体根据调整策略进行。在第二厚度调整过程中，实时监测光学环境的实际变化，并将反馈信息应用于调整过程。这有助于实现实时的优化调整。完成第二厚度调整后，再次采集光学环境数据，验证调整的效果。确保调整后的光学膜片在新的光学环境条件下表现出更优越的性能。记录第二厚度调整过程中使用的参数以及调整后得到的光学膜片第二厚度数据。
步骤S54：对光学膜片第一厚度数据进行第一响应时间分析，生成第一厚度响应时间数据；对光学膜片第二厚度数据进行第二响应时间分析，生成第二厚度响应时间数据；通过自适应响应稳定分析公式对第一厚度响应时间数据和第二厚度响应时间数据进行响应稳定性检测，生成厚度调整稳定系数。
本发明实施例中，通过需要收集和准备光学膜片的第一厚度数据，这可能包括不同时间点或光学环境条件下的厚度测量值，对第一厚度数据进行响应时间分析，以确定光学膜片对厚度变化的响应速度。这通常涉及计算响应时间的统计指标，如上升时间、下降时间、稳态响应时间等。生成第一厚度响应时间数据，这些数据描述了光学膜片在不同条件下的响应速度。收集和准备光学膜片的第二厚度数据，这些数据应对应于第一厚度数据的相应条件。对第二厚度数据进行响应时间分析，以获得第二厚度响应时间数据，开发或选择一个自适应响应稳定分析公式，以评估光学膜片的稳定性。这个公式应考虑响应时间数据的差异，并可能包括权重参数，以根据实际应用的需求调整其灵敏度。使用自适应响应稳定分析公式，将第一厚度响应时间数据和第二厚度响应时间数据输入到公式中，根据公式的输出，生成厚度调整稳定系数。这个稳定系数可以反映光学膜片在不同厚度下的响应稳定性，以及是否需要进一步的厚度调整。
优选的，步骤S54中的自适应响应稳定分析公式具体如下：
式中，表示为厚度调整稳定系数，/>表示为调节响应速度的影响系数，/>表示为自适应响应的频率参数，/>表示为自适应响应的时间范围，/>表示为厚度调整响应的变化情况函数，/>表示为调节响应变化的幅度，/>表示为调节响应变化的频率，/>表示为自适应响应稳定分析异常修正量。
本发明构建了一种自适应响应稳定分析公式，该公式描述了一个厚度调整稳定系数，它受到两个影响因素的调节：调节响应速度的影响系数/>和自适应响应的频率参数/>。它还考虑了一个厚度调整响应的变化情况函数/>，这个函数由幅度参数/>和频率参数/>控制。最后，公式中还有一个修正量/>，用于自适应响应稳定分析的异常修正。根据调节响应速度的影响系数与以上各参数之间的相互关系构成了一种函数关系：
参数控制了厚度调整的响应速度。较大的/>值会导致更快的响应，而较小的/>值会导致更慢的响应。通过调节/>，可以控制系统对输入变化的快慢程度，以使系统在变化时更加稳定。参数/>控制了自适应响应的频率。较大的/>值会导致更高的频率响应，而较小的/>值会导致更低的频率响应。通过调节/>，可以控制系统对输入变化频率的敏感度，以使系统能够适应不同频率的输入信号。函数/>描述了厚度调整响应随时间的变化情况。它是一个正弦函数，由幅度参数/>和频率参数/>控制。通过调节/>和/>，可以改变厚度调整响应的幅度和频率，从而使系统对不同振幅和频率的输入变化作出相应调整。通过自适应响应稳定分析异常修正量/>，用于校正由于实际系统的复杂性和非理想性而引起的误差和偏差。它可以纠正公式中的理论假设与实际系统之间的差异，提高自适应响应稳定分析的准确性和可靠性，更加准确的生成厚度调整稳定系数/>同时公式中的自适应响应的时间范围、调节响应变化的频率等参数可以根据实际情况进行调整，从而适应不同的自适应响应稳定分析场景，提高了算法的适用性和灵活性。在使用本领域常规的自适应响应稳定分析公式时，可以得到厚度调整稳定系数，通过应用本发明提供的自适应响应稳定分析公式，可以更加精确的计算出厚度调整稳定系数。这些参数之间的相互作用可以使系统在面对不同的输入变化时保持稳定。通过调节/>和/>，可以控制系统的响应速度和频率范围，使系统能够适应不同的输入条件。同时，通过调节/>函数的幅度和频率，可以调整系统的响应幅度和频率特性，以满足具体的需求。最后，修正量/>可以用于对稳定性分析中的异常情况进行修正，确保系统的稳定性评估准确可靠。
优选的，步骤S6包括以下步骤：
步骤S61：将厚度调整稳定系数和预设的标准稳定阈值进行对比，当厚度调整稳定系数大于或等于标准稳定阈值时，则对光学膜片进行高功率界面可视化，生成快速响应模式；当厚度调整稳定系数小于标准稳定阈值时，则对光学膜片进行低功率界面可视化，从而生成睡眠模式；
步骤S6：基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
本发明通过当厚度调整稳定系数大于或等于预设的标准稳定阈值时，选择高功率界面可视化。这意味着光学膜片在这种状态下表现出较高的稳定性，可以承受更高的功率。生成的快速响应模式可能对需要更迅速的光学响应的应用非常有用。当厚度调整稳定系数小于标准稳定阈值时，选择低功率界面可视化。这表示光学膜片在这种情况下的稳定性较低，需要更小的功率。生成的睡眠模式可能适用于需要降低功耗的应用，例如在待机或不活跃状态下。将快速响应模式和睡眠模式作为两种不同的操作状态，这种模块化的集成处理有助于系统更灵活地应对不同的工作需求。这种模块化设计使得光学膜片能够自适应地调整其工作状态，以在不同的环境条件下实现最佳性能。这样的系统设计更具智能化和适应性，能够更有效地满足多样化的应用需求。通过根据厚度调整稳定系数选择不同的操作模式，系统可以在不同需求下平衡性能和功耗。这有助于提高系统的整体效率，自适应设计系统的引入使得光学膜片能够更好地适应不断变化的工作条件，从而提供更为可靠和高效的性能。
本发明实施例中，通过使用传感器或其他装置来采集光学膜片的厚度调整稳定系数，对采集的数据进行处理和分析，以便与预设的标准稳定阈值进行比较。进行实时比较，确定当前稳定系数是否超过或等于预设的标准稳定阈值，基于比较结果，决定切换至高功率界面可视化（快速响应模式）或低功率界面可视化（睡眠模式）。在高稳定性情况下，配置光学膜片以快速响应需求，可能包括改变折射率或结构以适应光学需求。在低稳定性情况下，调整光学膜片以最小化能量消耗，可能涉及降低折射率或转入待机状态。设计系统以容纳这两种模式，使其能够根据所需的稳定性和功率要求进行动态调整。确保光学膜片能够实现在不同稳定性水平下的自动适应，并切换至适当的模式。进行模式切换后的系统性能测试，验证其在不同模式下的可靠性和效率。根据测试结果对系统进行优化，可能包括调整阈值、改进模式切换策略或优化模式操作。引入实时监控机制，以持续跟踪稳定系数和系统性能，确保系统能够持续自适应。基于实时数据对系统进行调整和反馈，以保持最佳性能。
在本说明书中，提供了一种光学膜片厚度自适应设计系统，用于执行上述所述的光学膜片厚度自适应设计方法，该光学膜片厚度自适应设计系统包括：
拓扑模块，用于获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
敏感分析模块，用于通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
光学纹理映射模块，用于通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
光学变化预测模块，用于基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
厚度稳定性分析模块，用于利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
模式集成模块，用于将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
本发明的有益效果在于通过获取光学膜数据并进行表面形貌数据采集，可以获取实时的表面形貌数据。这有益于系统对光学膜片进行后续的分析和处理，以实现更准确的厚度调整和稳定性控制。对表面拓扑数据进行光学材料属性分析，可以生成表面纹理曲率范围数据和膜片光学属性数据。这有助于系统更好地理解光学膜片的特征和性能，为后续的分析和设计提供基础。三维模型构建和表面纹理映射，可以生成具有高度准确性的光学角度测试数据。这对于系统的光学变化预测和厚度调整响应稳定性分析非常重要，能够提供准确的数据支持。通过光谱分析和模型训练，可以生成光学变化预测模型，并将反射光谱数据和透射光谱数据导入进行预测。这有益于系统预测光学膜片在不同光谱条件下的性能变化，以便进行相应的厚度调整和稳定性控制。光学环境数据采集和厚度调整响应稳定性分析，可以生成厚度调整稳定系数。这将帮助系统评估光学膜片在不同光学环境下的性能稳定性，为后续的厚度调整模式选择提供重要依据。将厚度调整稳定系数与预设的标准稳定阈值进行对比，并基于快速响应模式和睡眠模式对光学膜片进行模块化集成处理。这样可以生成光学膜片厚度自适应设计系统，具有快速响应能力和能耗优化的特点，以适应不同光学环境变化并提供稳定性能。因此，本发明通过考虑光学膜片参数的敏感性以及光学环境的变化，并且通过快速响应和睡眠模式的切换，提高了厚度自适应的能源利用和响应速度。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种光学膜片厚度自适应设计方法，其特征在于，作用于光学膜片，包括以下步骤：
步骤S1：获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
步骤S2：通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
步骤S3：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
步骤S4：基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
步骤S5：利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
步骤S6：将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
2.根据权利要求1所述的光学膜片厚度自适应设计方法，其特征在于，步骤S1包括以下步骤：
步骤S11：获取光学膜数据；
步骤S12：根据光学膜数据对干涉仪和相机进行设备校准，得到光学拍摄校准参数；
步骤S13：通过光学拍摄校准参数对光学膜片进行扫描路径规划，生成光学膜表面扫描路径设计数据；
步骤S14：基于光学膜表面扫描路径设计数据利用相机对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；
步骤S15：对实时表面形貌数据进行非均匀性校正，生成表面形貌均匀数据；对表面形貌均匀数据进行畸变校准，生成非均匀性畸变校正数据；
步骤S16：根据非均匀性畸变校正数据对光学膜片进行表面拓扑分析，生成表面拓扑数据。
3.根据权利要求2所述的光学膜片厚度自适应设计方法，其特征在于，步骤S2包括以下步骤：
步骤S21：对表面拓扑数据进行数据预处理，生成标准表面拓扑数据，其中表面粗糙度数据和表面纹理数据；
步骤S22：利用高程图对表面纹理数据进行可视化处理，得到膜片纹理走向图；对膜片纹理走向图进行纹理曲率范围计算，生成表面纹理曲率范围数据；
步骤S23：基于表面纹理曲率范围数据和表面粗糙度数据对光学膜片进行光学材料属性分析，生成膜片光学属性数据；根据膜片光学属性数据进行光学性能目标制定，生成膜片光学性能目标数据；
步骤S24：利用表面拓扑数据、膜片光学属性数据和膜片光学性能目标数据进行初始目标光学膜片设计，从而得到初始膜片设计参数；对初始膜片设计参数进行参数敏感度分析，生成膜片参数敏感性分析数据。
4.根据权利要求3所述的光学膜片厚度自适应设计方法，其特征在于，步骤S3包括以下步骤：
步骤S31：通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；
步骤S32：基于模拟光源对三维膜片表面模型进行第一角度光源照射，得到第一角度光源照射数据；
步骤S33：基于第一角度光源照射数据对三维膜片表面模型进行第二角度光源照射，得到第二角度光源照射数据；
步骤S34：对第一角度光源照射数据和第二角度光源照射数据进行折射率计算，得到光源折射率数据；对第一角度光源照射数据和第二角度光源照射数据进行透射率计算，得到光源透射率数据；
步骤S35：利用光源波长吸收评估公式对光源折射率数据和光源透射率数据进行膜片光学波长吸收评估，生成膜片光学属性数据；通过膜片光学属性数据对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；
步骤S36：将表面纹理映射数据和表面纹理曲率范围数据进行对比，当表面纹理映射数据的纹理曲率大于或等于表面纹理曲率范围数据时，则将表面纹理映射数据标记为光学角度测试数据；当表面纹理映射数据的纹理曲率小于表面纹理曲率范围数据时，则对表面纹理映射数据进行剔除。
5.根据权利要求4所述的光学膜片厚度自适应设计方法，其特征在于，步骤S35中的光源波长吸收评估公式如下所示：
式中，表示为光源在波长为/>处的吸收率，/>表示为光源在波长为/>处的折射率，表示为光的波长，/>表示为光源在波长为/>处的透射率，/>表示为光源的光谱分布函数，/>表示为普朗克常数，/>表示为真空中的光速，/>表示为玻尔兹曼常数，/>表示为光源的温度，/>表示为光源波长吸收评估异常调整值。
6.根据权利要求4所述的光学膜片厚度自适应设计方法，其特征在于，步骤S4包括以下步骤：
步骤S41：基于光学角度测试数据进行光谱分析，生成反射光谱数据和透射光谱数据；
步骤S42：对反射光谱数据和投射光谱数据进行光谱数据去噪，生成反射光谱去噪数据和透射光谱去噪数据；对反射光谱去噪数据和透射光谱去噪数据进行平滑处理，得到光谱特性数据；
步骤S43：利用PCA方法对光谱特性数据进行数据降维，生成光谱特性降维数据；将光谱特性降维数据进行数据集划分，生成模型训练集和模型测试集；
步骤S44：根据随机森林算法对模型训练集进行模型训练，生成光学变化预模型；通过模型测试集对光学变化预模型进行模型优化，从而生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据。
7.根据权利要求6所述的光学膜片厚度自适应设计方法，其特征在于，步骤S5包括以下步骤：
步骤S51：对光学膜片进行光学传感器部署，并通过光学传感器进行光学环境变化采集，获得光学环境数据；
步骤S52：基于光学环境数据对光学膜片进行第一厚度调整，得到光学膜片第一厚度数据；
步骤S53：基于光学变化预测数据对光学膜片第一厚度数据进行第二厚度调整，生成光学膜片第二厚度数据；
步骤S54：对光学膜片第一厚度数据进行第一响应时间分析，生成第一厚度响应时间数据；对光学膜片第二厚度数据进行第二响应时间分析，生成第二厚度响应时间数据；通过自适应响应稳定分析公式对第一厚度响应时间数据和第二厚度响应时间数据进行响应稳定性检测，生成厚度调整稳定系数。
8.根据权利要求7所述的光学膜片厚度自适应设计方法，其特征在于，步骤S54中的自适应响应稳定分析公式如下所示：
式中，表示为厚度调整稳定系数，/>表示为调节响应速度的影响系数，/>表示为自适应响应的频率参数，/>表示为自适应响应的时间范围，/>表示为厚度调整响应的变化情况函数，/>表示为调节响应变化的幅度，/>表示为调节响应变化的频率，/>表示为自适应响应稳定分析异常修正量。
9.根据权利要求7所述的光学膜片厚度自适应设计方法，其特征在于，步骤S6包括以下步骤：
步骤S61：将厚度调整稳定系数和预设的标准稳定阈值进行对比，当厚度调整稳定系数大于或等于标准稳定阈值时，则对光学膜片进行高功率界面可视化，生成快速响应模式；当厚度调整稳定系数小于标准稳定阈值时，则对光学膜片进行低功率界面可视化，从而生成睡眠模式；
步骤S6：基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
10.光学膜片厚度自适应设计系统，其特征在于，用于执行如权利要求1所述的光学膜片厚度自适应设计方法，该光学膜片厚度自适应设计系统包括：
拓扑模块，用于获取光学膜数据；基于光学膜数据对光学膜片进行表面形貌数据采集，从而得到实时表面形貌数据；根据实时表面形貌数据对光学膜片进行表面拓扑分析，生成表面拓扑数据；
敏感分析模块，用于通过高程图对表面拓扑数据进行光学材料属性分析，生成表面纹理曲率范围数据和膜片光学属性数据；根据膜片光学数据进行光学膜片参数敏感度分析，生成膜片参数敏感性分析数据；
光学纹理映射模块，用于通过三维重构方法对膜片参数敏感性分析数据进行三维模型构建，生成三维膜片表面模型；基于模拟光源对三维膜片表面模型进行表面纹理光源映射，生成表面纹理映射数据；将表面纹理映射数据和表面纹理曲率范围数据进行对比，生成光学角度测试数据；
光学变化预测模块，用于基于光学角度测试数据进行光谱分析，得到反射光谱数据和透射光谱数据；对光谱特性数据进行模型训练，生成光学变化预测模型；将反射光谱数据和透射光谱数据导入至光学变化预测模型进行光学变化数据预测，得到光学变化预测数据；
厚度稳定性分析模块，用于利用光学传感器对光学膜片进行光学环境变化采集，获得光学环境数据；基于光学环境数据对进行光学膜片进行厚度调整响应稳定性分析，生成厚度调整稳定系数；
模式集成模块，用于将厚度调整稳定系数和预设的标准稳定阈值进行对比，生成快速响应模式或睡眠模式；基于快速相应模式和睡眠模式对光学膜片模块化集成处理，从而生成光学膜片厚度自适应设计系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410001521.2A CN117518462B (zh) | 2024-01-02 | 2024-01-02 | 光学膜片厚度自适应设计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410001521.2A CN117518462B (zh) | 2024-01-02 | 2024-01-02 | 光学膜片厚度自适应设计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117518462A CN117518462A (zh) | 2024-02-06 |
| CN117518462B true CN117518462B (zh) | 2024-03-08 |
Family
ID=89757016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410001521.2A Active CN117518462B (zh) | 2024-01-02 | 2024-01-02 | 光学膜片厚度自适应设计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117518462B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010025575A (ja) * | 2008-07-15 | 2010-02-04 | Nikon Corp | 膜厚測定方法および装置 |
| CN105629355A (zh) * | 2016-01-13 | 2016-06-01 | 中国科学院上海技术物理研究所 | 一种介质金属膜堆的低偏振灵敏度分色膜的制作方法 |
| JP2018149283A (ja) * | 2017-03-14 | 2018-09-27 | 株式会社トプコン | 涙液層厚み測定装置及び方法 |
| CN113805336A (zh) * | 2021-10-21 | 2021-12-17 | 福建华佳彩有限公司 | 光学膜片厚度自适应设计方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020077797A1 (en) * | 2000-12-18 | 2002-06-20 | Hall Gary W. | Method and apparatus for automated simulation and design of corneal refractive procedures |
| US8323577B2 (en) * | 2005-10-21 | 2012-12-04 | E I Du Pont De Nemours And Company | Layered adaptive membrane structure |
| US11353702B2 (en) * | 2019-06-25 | 2022-06-07 | Microsoft Technology Licensing, Llc | Thickness-modulated conformal coatings on optical components |
-
2024
- 2024-01-02 CN CN202410001521.2A patent/CN117518462B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010025575A (ja) * | 2008-07-15 | 2010-02-04 | Nikon Corp | 膜厚測定方法および装置 |
| CN105629355A (zh) * | 2016-01-13 | 2016-06-01 | 中国科学院上海技术物理研究所 | 一种介质金属膜堆的低偏振灵敏度分色膜的制作方法 |
| JP2018149283A (ja) * | 2017-03-14 | 2018-09-27 | 株式会社トプコン | 涙液層厚み測定装置及び方法 |
| CN113805336A (zh) * | 2021-10-21 | 2021-12-17 | 福建华佳彩有限公司 | 光学膜片厚度自适应设计方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117518462A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10699926B2 (en) | Identifying nuisances and defects of interest in defects detected on a wafer | |
| KR102213730B1 (ko) | 반도체 애플리케이션을 위한 신경망 및 순방향 물리적 모델을 포함하는 방법 및 시스템 | |
| CN111968080B (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
| KR100910003B1 (ko) | 집적 회로 계측용 프로파일 세분화 | |
| TWI719804B (zh) | 光學計量學之方法，電腦程式產品，計量學模組，目標設計檔案，景觀及目標的計量學量測 | |
| US12111579B2 (en) | Method and apparatus for evaluating an unknown effect of defects of an element of a photolithography process | |
| CN111727412A (zh) | 用于设定照明条件的方法、装置、系统及程序以及存储介质 | |
| CN117437278B (zh) | 一种检测镀膜机膜厚均匀性的方法及系统 | |
| CN110785709B (zh) | 从低分辨率图像产生高分辨率图像以用于半导体应用 | |
| CN117233116B (zh) | 一种基于机器视觉的水质分析方法及系统 | |
| CN117975880A (zh) | 一种led显示驱动控制方法及装置 | |
| CN117518462B (zh) | 光学膜片厚度自适应设计方法及系统 | |
| TWI805876B (zh) | 用於大量生產程序監視之寬鬆耦合檢查及計量系統 | |
| Wu et al. | A lensless LED matrix-based ptychographic microscopy imaging method using loss correction and adaptive step size | |
| CN115482227B (zh) | 机器视觉自适应成像环境调整方法 | |
| WO2020123729A1 (en) | Detection and correction of system responses in real-time | |
| KR102546448B1 (ko) | 원하지 않는 회절 차수의 존재에서의 스캐터로메트리 모델링 | |
| US20090234687A1 (en) | Method of designing an optical metrology system optimized for operating time budget | |
| Fang et al. | Classification and inspection of milling surface roughness based on a broad learning system | |
| US20240027374A1 (en) | Analysis of X-ray Scatterometry Data using Deep Learning | |
| US20240111256A1 (en) | Composite data for device metrology | |
| EP4318394A1 (en) | System and method for generating training image data for supervised machine learning, and program | |
| US20240095935A1 (en) | Deep learning model-based alignment for semiconductor applications | |
| Chen | A Framework for Using Fused Image Data in Statistical Process Control | |
| CN118247408A (zh) | 光照模式的调控方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |