EP4466627A1 - Verfahren zur verbesserten bestimmung der fertigungskorrekturen - Google Patents

Verfahren zur verbesserten bestimmung der fertigungskorrekturen

Info

Publication number
EP4466627A1
EP4466627A1 EP23700276.1A EP23700276A EP4466627A1 EP 4466627 A1 EP4466627 A1 EP 4466627A1 EP 23700276 A EP23700276 A EP 23700276A EP 4466627 A1 EP4466627 A1 EP 4466627A1
Authority
EP
European Patent Office
Prior art keywords
parameters
manufacturing
lens
correction
model
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.)
Pending
Application number
EP23700276.1A
Other languages
English (en)
French (fr)
Inventor
Patrick KERNER
Martin Zimmermann
Andrea HEIGL
Leonhard Schmid
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rodenstock GmbH
Original Assignee
Rodenstock GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=84981755&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=EP4466627(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Rodenstock GmbH filed Critical Rodenstock GmbH
Publication of EP4466627A1 publication Critical patent/EP4466627A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B9/00—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor
    • B24B9/02—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground
    • B24B9/06—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of non-metallic inorganic material, e.g. stone, ceramics, porcelain
    • B24B9/08—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of non-metallic inorganic material, e.g. stone, ceramics, porcelain of glass
    • B24B9/14—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of non-metallic inorganic material, e.g. stone, ceramics, porcelain of glass of optical work, e.g. lenses, prisms
    • B24B9/148—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of non-metallic inorganic material, e.g. stone, ceramics, porcelain of glass of optical work, e.g. lenses, prisms electrically, e.g. numerically, controlled
    • G—PHYSICS
    • G02—OPTICS
    • G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
    • G02C7/00—Optical parts
    • G02C7/02—Lenses; Lens systems ; Methods of designing lenses
    • G02C7/024—Methods of designing ophthalmic lenses
    • G02C7/028—Special mathematical design techniques
    • G—PHYSICS
    • G02—OPTICS
    • G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
    • G02C2202/00—Generic optical aspects applicable to one or more of the subgroups of G02C7/00
    • G02C2202/08—Series of lenses, lens blanks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Definitions

  • the present invention relates to a computer-implemented method for specifying a manufacturing correction model, a storage device for storing the manufacturing correction model, a computer-implemented method for determining a manufacturing correction using the manufacturing correction model, and a corresponding manufacturing method. Furthermore, the invention relates to corresponding computer program products and devices.
  • ophthalmic lenses such as spectacle lenses, contact lenses or intraocular lenses
  • one task is to create the previously determined total surface area of the lens in a material.
  • the overall surface of the lens can be defined, for example, by the edge contour, the front surface, the back surface, and the position and orientation of the front and back surfaces relative to one another.
  • ophthalmic lenses are known in which at least part of the overall surface of an ophthalmic lens is a free-form surface.
  • the free-form surface can be the back surface of the ophthalmic lens. It is also possible to design the front surface or both the front and back surfaces of the lens as free-form surfaces.
  • the free-form surface can be parameterized by a set of so-called arrow heights.
  • Other local representations such as a spline representation, or non-local representations, such as a Zernike decomposition, are also possible.
  • one of the partial surfaces of the overall surface is a comparatively simple surface, such as a spherical surface
  • only its curvature in a given reference point can be specified for this.
  • the curvature of a spherical or rotationally symmetrical aspheric surface at a reference point is also referred to as a base curve.
  • preliminary products also called semi-finished products or blanks
  • a "finished" surface i.e. a surface whose geometry is not significantly changed in the subsequent processing steps (such as application of anti-reflection layers or other functional layers and/or coloring of the lens).
  • the front surface of the preliminary product is the finished surface.
  • the "finished" surface can be, for example, a spherical or a rotationally symmetrically aspherical surface.
  • the "finished” surface can also be a toric, atoric, progressive or other free-form surface.
  • a previously determined surface which is usually the back surface of the lens, is then applied to a previously selected preliminary product, for example with the aid of CNC surface processing machines.
  • This surface is also referred to as the prescription surface and can be spherical, aspheric, cylindrical, atoric, progressive, or other free-form surface.
  • the maximum permissible deviations of the previously determined surface (referred to below as the target surface) and the produced surface (referred to below as the actual surface) of the lens are limited by standards. Too large a deviation can, for example, not correct the ametropia sufficiently and/or negatively affect the tolerability of the lens.
  • the deviations of the target and actual surface can be determined by measurable parameters be quantified or characterized.
  • the optical measurement values of sphere, cylinder, axis and prism of the manufactured ophthalmic lens can be recorded in at least one point as well as the center thickness of the lens and compared with the corresponding target values in order to determine the deviations.
  • An object of the present invention is to create an improved method that enables optimal manufacturing correction of the ophthalmic lenses
  • This object is achieved by a computer-implemented method, a corresponding device and a corresponding computer program product for determining a manufacturing correction model, a storage device for storing a manufacturing correction model, a computer-implemented method, a corresponding device and a corresponding computer program product for determining a manufacturing correction, a method and a corresponding device for Manufacturing an ophthalmic lens having the features indicated in the respective independent claims.
  • a computer-implemented A method of determining a manufacturing correction model for the manufacture of ophthalmic lenses is provided.
  • the ophthalmic lenses can be spectacle lenses (such as single vision lenses, bi-focal or multifocal lenses, progressive lenses, etc.), contact lenses or intraocular lenses.
  • the procedure includes:
  • the manufacturing correction model being a mapping which—given the values of the model parameters—assigns at least one part of manufacturing corrections to each element of a selected definition set,
  • the definition set comprises a multiplicity (ie two or more) of definition parameters and their variance, the definition parameters being parameters which characterize a lens to be produced and/or its production process; and the manufacturing corrections include correction parameters for describing a global and/or local change in at least one surface of an ophthalmic lens to be manufactured.
  • the proposed flexible manufacturing correction model makes it possible to take into account the diverse influences on the quality of the finished ophthalmic lens and to determine corresponding manufacturing corrections quickly and efficiently. As a result, the manufacturing quality of lenses can be improved. It is also possible to continuously update and improve the surface model in a simple manner. Definition set and definition parameters
  • a manufacturing correction model is determined to determine manufacturing corrections for the manufacture of ophthalmic lenses.
  • the term “determine” in the sense of the present application also includes “determine”, “calculate”, “determine” and so on.
  • a training data set comprising a first definition set and manufacturing corrections, which are assigned to the first definition set.
  • the term “providing” as used in the present application includes “determining”, “transmitting”, “receiving”, “reading out”, “retrieving from a memory, a database and/or a table”, “receiving” and so on.
  • the definition set includes a large number of definition parameters and their variance.
  • the definition set includes a large number of definition parameters and their values.
  • the large number of parameters are referred to as definition parameters.
  • the definition parameters are parameters which characterize a lens to be produced and/or its production process.
  • the definition parameters are order parameters and/or variables derived therefrom and/or production parameters.
  • the manufacturing parameters are parameters that characterize the manufacturing process. The manufacturing parameters are preferably determinable before the ophthalmic lens is manufactured.
  • the definition parameters can include at least one of the following parameters, for example:
  • blank parameters including blank geometry, material and/or quality;
  • the definition parameters can describe the lens geometry, for example.
  • the parameters that describe the lens geometry can be, for example, parameters that describe the geometry of the front surface and/or the back surface of the ophthalmic lens and/or the position and/or orientation of the front surface and the back surface of the ophthalmic lens relative to one another.
  • the surfaces can be spherical, toric, aspheric and atoric surfaces.
  • the geometry of a spherical surface can be described, for example, by the parameters sphere or the curvature or base curve.
  • the geometry of a toric surface can be described, for example, by the two principal curvatures and the direction of a principal curvature with respect to the glass horizontal or by the cylinder and the axis as parameters.
  • the geometry of aspheric and atoric surfaces can be described, for example, by development coefficients (such as BSpline coefficients or Zernike coefficients) as parameters.
  • the position and orientation of the two surfaces of the ophthalmic lens relative to one another can be described, for example, by a translation vector and a rotation matrix.
  • the definition parameters can also be parameters that characterize the preliminary products (semi-finished products or blanks) used to produce ophthalmic lenses. These parameters are referred to below as blank parameters.
  • the blank parameters include, for example, the blank geometry, the material and/or the quality of the blank.
  • the blank geometry is determined by the geometry of the front and rear surfaces of the blank and the position and orientation of the two surfaces in relation to one another.
  • the blank geometry can be characterized in an analogous manner by the parameters described in connection with the lens geometry. Of particular relevance is the area of the blank that is not processed further.
  • the material of the blank can, for example, by a unique material names or the chemical and physical properties of the material. Exemplary properties of the material are density, Abbe number and refractive index.
  • test results can contain, for example, the offsets or deviations of the finished surfaces from the target surfaces (given, for example, by the deviation of the base curve of the finished surface from the target value of the base curve).
  • the definition parameters can also be parameters which characterize the properties of at least one machine used for production and/or at least one tool used for production and/or variables derived therefrom.
  • Examples are the duration of use of the machine and/or tool; and/or control parameters of the at least one machine used, such as grinding machine, polishing machine, block station, tempering cabinet, etc.
  • Other relevant definition parameters can be, for example, the location with environmental factors prevailing during the selection, number of work steps since the last maintenance, the tools to be used and work equipment and its properties, the operators of the machines and so on.
  • the period of use of the tools and/or the machines in the manufacturing process has a significant influence on the quality of the manufactured ophthalmic lenses.
  • the diamond tools in the grinding machines are rounded off with use, so that gradients in the finished surfaces are smaller than theoretically calculated.
  • the quality of the tools is monitored and worn tools are serviced or replaced.
  • the control parameters of the production machine are, for example, the processing speed of the grinding and polishing machine, the cooling times and/or the tempering times. These parameters have an impact on the quality of the ophthalmic lens as well as on the manufacturing time and costs.
  • the control parameters of at least one of the production machines used for example, systematic deposits or deviations can be corrected. It is also possible to change the control parameters, even with the quality remaining the same, in such a way that the production time is shortened and/or the production costs are reduced.
  • Ordering data or ordering parameters for the ophthalmic lens and/or sizes derived therefrom are ordersing data or ordering parameters for the ophthalmic lens and/or sizes derived therefrom.
  • Examples of the environmental factors in manufacturing are humidity, temperature and/or air pressure. Taking these factors into account can increase the quality of the manufactured ophthalmic lenses and/or reduce manufacturing costs.
  • ordering data or ordering parameters can be found in the current standards for spectacle lenses (see, for example, the EU Directive 93/42/EEC on medical devices).
  • ordering data or ordering parameters of the lens are the desired thickness of the lens, the coating, the refraction or prescription data (such as sphere, cylinder, axis, if necessary addition or near refraction, prism with base), geometric parameters of a spectacle frame, intended use of the ophthalmic lens , physiological characteristics of the future wearer of the ophthalmic lens, biometric data of the eye(s) of the future wearer (e.g. position of the center of rotation of the eye, individual structure of the eye, pupil diameter, etc.), the future wearer's preferred viewing behavior, as well as other known parameters for individualization and personalization of ophthalmic lenses (e.g. mapped in a design characteristic or the location of the reference points, length of progression, etc.).
  • variables derived from the order data is the target surface and its position and orientation.
  • the target surface can be represented, for example, by a so-called sagittal field, by splines or Zernike coefficients, or in another suitable manner.
  • the position and orientation of the target area can be represented by a translation vector and a rotation matrix, for example.
  • the manufacturing corrections include parameters for describing global and/or local changes of at least one surface of the ophthalmic lens to be manufactured or one that has already been manufactured.
  • the changes may include, for example, adjustments to the location and orientation of the surface, local changes to the surface at arbitrary points, adjustments to the versine field of the surface, and/or the spline or Zernike coefficients of the surface.
  • the changes to the surface of the ophthalmic lens that is to be produced or produced can be made, for example, by overlaying this surface with a correction surface.
  • the production corrections then include parameters of the correction surface.
  • the correction surface can be a surface which, in at least one point, changes the spherical power of the previously refracted lens by the manufacturing correction of the spherical power.
  • the position and orientation of the surface of the ophthalmic lens to be manufactured can be corrected such that the prismatic value of the lens is modified by the manufacturing correction of the prismatic value and/or the thickness value of the lens is modified by the manufacturing correction of the thickness value.
  • the manufacturing corrections contained in the training data record can be determined in a manner known per se from ophthalmic lenses that have already been manufactured.
  • At least two lenses that differ in the definition set can be manufactured for the training data contained in the training data set.
  • the values of the definition parameters and the manufacturing corrections determined from the manufactured lens can be recorded in a manner known per se.
  • the manufacturing corrections can include the parameters of a correction surface, the correction surface changing the spherical measured value of the finished lens in at least one point by the manufacturing correction of the spherical measured value.
  • the position and orientation of the manufactured surface can be corrected, so that the prismatic measured value is modified by the manufacturing correction of the prismatic measured value and/or the thickness measured value by the manufacturing correction of the measured thickness value.
  • providing a training dataset may include:
  • the manufacturing correction for the lens is determined in such a way that the difference between at least one measured value of the finished lens and the corresponding target value is minimized.
  • the production correction can be determined in such a way that the difference between at least one measured value of the finished lens and the corresponding desired value is equal to or within zero specified tolerances.
  • the manufacturing corrections are determined based on the deviation between the actual surface of the finished lens and a target surface of the lens in such a way that the deviation is minimized.
  • the manufacturing correction model is a mapping that associates at least a portion of the manufacturing corrections with each element of a selected definition set.
  • the mapping can be any statistical model that is derived from the training data in the training data set using statistical methods. This derivation generally constitutes "training" an original, untrained manufacturing correction model.
  • training in the context of the present application is generally understood to mean applying any statistical method to the training data set provided in order to determine values for at least some of the model parameters.
  • all trainable model parameters of the production correction model can be determined with the aid of the training data set, in that a target function, which is evaluated with the training data set, is minimized or maximized by changing the trainable model parameters.
  • the trained manufacturing correction model can be used to predict the manufacturing correction needed to manufacture an ophthalmic lens.
  • the manufacturing correction model can: be or comprise a linear, multilinear or non-linear regression model, wherein the coefficients of the regression model represent at least part of the model parameters of the manufacturing correction model; and/or be or comprise a classification model; and/or be a neural network or at least comprise a neural network.
  • the manufacturing correction model can be described by suitably defined model parameters, which are used together with at least some of the definition parameters for determining the manufacturing corrections.
  • a production correction model defined by model parameters can be implemented as a classification method or contain one that contains at least a part or, for example, all definition parameters as input variables.
  • the production correction model can be designed as a regression model or contain a regression model which contains at least some or, for example, all definition parameters as input variables.
  • combinations of classification methods and regression models are also possible.
  • the coefficients of the classification method and/or the regression model represent at least part of the model parameters of the production correction model.
  • the regression model used in the manufacturing correction model or as the manufacturing correction model can be a linear regression model, which typically facilitates the calculations necessary to determine the manufacturing correction model since the model parameters can be determined from a linear equation system.
  • a non-linear regression model can be used instead of a linear regression model.
  • Such a model is more flexible and can depict more complex relationships between the definition parameters and the manufacturing corrections of the ophthalmic lenses.
  • non-linear optimization algorithms are typically used for this purpose, which do not necessarily converge to the global optimum of the model parameters.
  • neural networks or other machine learning models can be used as non-linear regression models.
  • a neural network used in or as a manufacturing correction model may be, for example, a deep neural network having at least one hidden layer, a convolutional neural network, or another neural network.
  • the input layer of such a neural network is assigned at least some of the definition parameters and/or auxiliary variables calculated therefrom.
  • the output layer of the neural network outputs at least part of the manufacturing corrections.
  • each neural network of the plurality of neural networks can predict a manufacturing correction, respectively.
  • a multi-task model is also possible, with a neural network predicting a large number of production corrections (e.g. all production corrections).
  • the weights of the neural network represent at least part of the trainable model parameters.
  • the neural network can also contain one or more hidden layers in addition to the input and output layers.
  • the way in which the neural network is constructed can be implicitly defined by hyperparameters, such as the number of layers, the number of neurons in the different layers, and the way in which the layers are linked to one another.
  • the production correction model has a sufficiently large number of model parameters, eg more than 10, 30, 50, 100, 500, or 1000, 10000, 100000 or even more model parameters.
  • Special methods of machine learning can be advantageous for designing and/or training the neural network. These include, for example, attention technique and/or convolutional neural network techniques.
  • Attention technique With this method, the effect of important input data is amplified and unimportant ones are hidden. The importance of the input data is learned during the training of the model. The advantage of this technique is that it is not necessary to preselect the definition parameters, but the more important parameters still influence the model.
  • Convolutional neural networks are specifically designed for processing multidimensional input data. These techniques can be used to find and categorize structures in multidimensional input data. For example, the categorizations sought are determined by a vector with fewer dimensions than the input object. This technique can be advantageous if the definition parameters contain aspheric and atoric surfaces represented by two-dimensional splines. With these techniques, the surfaces can be examined and relevant properties can be extracted for the determination of the manufacturing corrections. Examples of relevant properties are the strength and course of surface gradients. The properties found, described by a low-dimensional vector, are processed by further layers of the neural network, so that the production corrections can be determined from them.
  • a so-called regularization can also be used in addition to or instead of a direct variation of the number of trainable parameters of the manufacturing correction model, in which further terms weighted with a factor are added to the target function of the trainable parameters of the manufacturing correction model .
  • These can be, for example, quadratic terms in the trainable parameters. It is also possible to vary the number of model parameters in order to adjust the complexity of the (untrained) production correction model.
  • a split can be given by e.g. 60%, 20% and 20%.
  • the three sets of data can be used as follows:
  • Training data set As described above, all trainable parameters of the production model are determined with the aid of the training data set by a target function being evaluated with the training data set by minimizing and maximizing changes in the trainable parameters.
  • Non-trainable parameters called hyperparameters
  • hyperparameters are determined with the help of the validation dataset. After the training of the model, a target function is evaluated with the validation data set and minimized by changing the non-trainable parameters. The method is also referred to as hyperparameter optimization.
  • Test data set With the help of the test data set, the predictive power of the trained and hyperparameter-optimized model can be determined by comparing the predictions from the test data set with the actual values of the test data set.
  • the computer-implemented method for determining a manufacturing correction model may further include:
  • a hyperparameter is a parameter used to control a training algorithm and, unlike other parameters, its value must be set before actually training the model.
  • the hyperparameters can be model parameters, for example, which cannot be trained with the training data set or are not trained.
  • the values for the hyperparameters of the trained manufacturing correction model can be determined by means of a statistical method using the validation data set provided.
  • a target function (validation target function) can be evaluated with the validation data set after the training of the production correction model and minimized or maximized by changing the hyperparameters.
  • the validation objective function can be the same as or different from the objective function used in training the manufacturing correction model with the training data set.
  • test data set comprising a third definition set and the third definition set assigned manufacturing corrections
  • testing can:
  • testing of the trained manufacturing correction model can be considered successful.
  • the trained manufacturing correction model can then be used to predict the manufacturing corrections for the manufacture of ophthalmic lenses.
  • training and optionally validating the manufacturing correction model can continue using additional training data.
  • the manufacturing correction model can be expanded or modified.
  • the method for determining a manufacturing correction model for the manufacture of at least one ophthalmic lens may further include storing the trained manufacturing correction model in a storage device.
  • the storage device may be, for example, a database, a computer or data cloud, or other suitable storage medium that permanently or non-permanently stores the trained manufacturing correction model.
  • the method may include transmitting the manufacturing correction model to an external entity, such as an ophthalmic lens manufacturer, manufacturing entity, manufacturing device, etc.
  • the manufacturing correction model can optionally be stored together with at least part of the training data set used to determine the manufacturing correction model and, if necessary, transmitted to an external unit.
  • a second aspect of the invention relates to a storage device for storing a manufacturing correction model determined according to the method described above.
  • the storage device may be, for example, a database, a computer or data cloud, or other suitable storage medium that permanently or non-permanently stores the trained manufacturing correction model.
  • a third aspect of the invention relates to a computer-implemented method for determining a manufacturing correction for at least one surface to be manufactured of an ophthalmic lens, comprising:
  • lens parameters characterizing the lens to be produced and/or its production process
  • the manufacturing correction comprises correction parameters for describing a global and/or local change in the at least one surface of the ophthalmic lens to be manufactured.
  • the lens parameters can be the same parameters used in training the manufacturing correction model, with the lens parameters taking on values specific to the ophthalmic lens to be manufactured. At least some of the lens parameters provided represent the input variable of the provided production correction model. The output variable is the production correction determined or predicted for the lens to be produced.
  • the production correction determined in this way can be stored permanently or non-permanently in a storage device. Furthermore, the manufacturing correction thus determined can be transmitted to an external entity such as an ophthalmic lens manufacturer, a manufacturing entity, a manufacturing device, etc.
  • a fourth aspect of the invention relates to a computer program product which, when loaded into the memory of a computer and executed on it, causes the computer to carry out a method for determining a manufacturing correction model according to the first aspect described above and the exemplary embodiments and variants or a method to determine a production correction according to the third aspect described above and the exemplary embodiments and variants.
  • a fifth aspect of the invention relates to a device for determining a production correction model for the production of ophthalmic lenses, the device comprising a computing device which is designed to carry out the method according to the first aspect described above and the exemplary embodiments and variants.
  • a sixth aspect of the invention relates to a device for determining a manufacturing correction for at least one surface to be manufactured of an ophthalmic lens, the device comprising a computing device which is designed to carry out the method according to the third aspect described above and the exemplary embodiments and variants.
  • a seventh aspect of the invention relates to a method for producing an ophthalmic lens comprising:
  • lens parameters characterizing the lens to be produced and/or its production process
  • An eighth aspect of the invention relates to a device for producing an ophthalmic lens, comprising: a lens parameter providing device for providing lens parameters, the lens parameters characterizing the lens to be produced and/or its production process;
  • Area determining device for determining a first area to be manufactured of the ophthalmic lenses based on at least some of the lens parameters; and a device for determining a production correction for at least one surface to be produced according to the sixth aspect, wherein the surface determination device is further designed to determine a second corrected surface on the basis of the determined production correction by a combination of the determined production correction with the first surface; and wherein the apparatus for manufacturing an ophthalmic lens further comprises a manufacturing apparatus for manufacturing the ophthalmic lens having the second corrected surface.
  • the above devices for providing, determining, specifying or calculating data can be implemented by suitably configured or programmed data processing devices (in particular specialized hardware modules, computers or computer systems, such as computer or data clouds) with appropriate computing units, electronic interfaces, memories and data transmission units.
  • the above-mentioned devices can also have suitable interfaces that allow data (such as training data sets, definition sets, definition parameters, model data, model parameters, hyperparameters, target values, production correction data, surface data, etc.) to be transmitted or input or read out.
  • the devices can also include at least one memory unit, e.g. in the form of a database, which stores the data used.
  • the manufacturing device can, for example, at least one CNC-controlled machine direct processing of a blank according to the determined specifications (e.g. surface data and production correction data).
  • the ophthalmic lens can be manufactured using a casting process.
  • the finished ophthalmic lens preferably has a simple spherical or rotationally symmetrical aspherical surface and a surface which has been corrected using the production correction model according to one aspect of the method according to the invention.
  • the simple spherical or rotationally symmetrical aspherical surface is the front surface (ie the object-side surface) of the ophthalmic lens.
  • the surface corrected with the manufacturing correction model can also be corrected with the aid of the production correction model.
  • the invention provides a use of an ophthalmic lens manufactured according to the manufacturing method according to the invention in a predetermined average or ideal usage position of the lens in front of the eyes of a specific wearer to correct ametropia of the wearer.
  • the ophthalmic lens can in particular be a spectacle lens.
  • the ophthalmic lens can also be a contact lens or an intraocular lens.
  • FIG. 1A to 1C a graphical representation of the manufacturing corrections for the spherical value (FIG. 1A), the cylindrical value (FIG. 1B) and the lens thickness (FIG. 1C) of a spectacle lens as a function of the predicted using an exemplary linear manufacturing correction model from the base curve of the lens;
  • Figures 2A through 2C are a graphical representation of the linear manufacturing correction model predicted manufacturing corrections for the spherical power (Fig. 2A), the cylindrical power (Fig. 2B) and the lens thickness (Fig. 2C) of a spectacle lens depending on the target value of the sphere of a spectacle lens;
  • FIG. 3A to 3C a graphic representation of the manufacturing corrections for the spherical value (Fig. 3A), the cylindrical value (Fig. 3B) and the lens thickness (Fig. 3C) of a spectacle lens as a function of the target value of the lens, which were predicted using an exemplary linear manufacturing correction model lens cylinder;
  • FIG. 4A to 4C a graphic representation of the manufacturing corrections for the spherical value (Fig. 4A), the cylindrical value (Fig. 4B) and the lens thickness (Fig. 4C) of a spectacle lens as a function of the target value of the lens, which were predicted using an exemplary linear manufacturing correction model lens thickness;
  • FIG. 5A to 5C a graphical representation of the manufacturing corrections for the spherical value (Fig. 5A), the cylindrical value (Fig. 5B) and the lens thickness (Fig. 5C) of a spectacle lens as a function of the pre-decentration predicted using an exemplary linear manufacturing correction model a spectacle lens;
  • FIG. 6A through 6C graphically depict the manufacturing corrections for the spherical power (FIG. 6A), the cylindrical power (FIG. 6B), and the lens thickness (FIG. 6C) of an eyeglass lens predicted using an exemplary multilinear manufacturing correction model;
  • FIG. 7A through 7C graphically depict the manufacturing corrections for the spherical power (FIG. 7A), the cylindrical power (FIG. 7B), and the lens thickness (FIG. 7C) of an eyeglass lens predicted using an exemplary nonlinear manufacturing correction model.
  • Exemplary manufacturing correction models and the predicted manufacturing corrections based thereon for the spherical power and the cylindrical power as well as for the lens thickness of a non-prismatic single vision lens made of a given material are described below.
  • the definition parameters are particularly advantageous Parameters that describe the front and back surface of the calculated lens as well as the position and orientation of the two surfaces to each other and the blank geometry.
  • the definition parameters are the curvature of the base curve in dpt ("BK”), the main curvature of the rear surface (described by the target value for the sphere in dpt ("sphSoll” or “sollSph” and the target value for the cylinder in dpt ("cylSoll” or “sollCyl” ), the pre-decentration in mm (“vordez”) and the thickness in mm (“dickSoll” or "sollDick”) of the spectacle lens.
  • the manufacturing corrections to be predicted are the deviation in dpt ("sph”) of the spherical measured value from the spherical target value ("sphSoll” or “sollSph”), the deviation in dpt ("cyl”) of the cylindrical measured value from the cylindrical target value (“cylSoll” or “sollCyl”) and the deviation in mm of the measured glass thickness ("thick” ) of the lens from the target value for the glass thickness ("dickSoll” or "sollDick”).
  • the production correction models were trained or statistically determined using a training data set comprising around 34,000 data sets.
  • the predictions obtained using the trained manufacturing correction models are shown in FIGS. 1A to 7C, with the predictions being plotted against the true values from the training data set.
  • the "true values” are the production corrections from the training data, i.e. the deviations of the measured values from the corresponding target values. For the sake of clarity, every 100th data set is shown in the figures.
  • FIGS. 1 to 5 show the predicted manufacturing corrections, which were determined by means of a linear regression on the training data set.
  • Xj denotes the value of the jth definition parameter
  • a t j and denote the model parameters
  • i G ⁇ sph, cyl, thick ⁇ denotes the ith predicted magnitude
  • j G ⁇ BK, sollSph, sollCyl, sollDick, predec ⁇ denotes the j-th definition parameter.
  • the variances of the production corrections cannot always be sufficiently predicted; only for individual models is the sum of the squared errors between the true value and the prediction smaller than the variance of the data.
  • the models with a larger coefficient of determination are the spherical correction depending on the pre-decentration with a coefficient of determination of approx. 11%, the cylindrical correction depending on the cylindrical target value with a coefficient of determination of approx. 2% and the thickness correction depending on the pre-decentration with a coefficient of determination about 1%.
  • FIGS. 6A to 6C show the predicted manufacturing corrections, which were determined by means of a multilinear regression on the training data set.
  • a separate manufacturing correction model is determined for each prediction variable, taking into account a linear relationship with the definition parameters: where: y t denotes the predicted value for the ith predictor; Xj denotes the value of the jth definition parameter; a t j and ßi denote the model parameters; ie ⁇ sph, cyl, thick ⁇ denotes the ith predicted size; each ⁇ BK, sollSph, sollCyl, sollDick, vordez ⁇ designates the j-th definition parameter.
  • the variances of the data are not always fully predictable, but the sum of the squared errors between the true value and the prediction is smaller than the variance of the data, so that the coefficient of determination for the prediction of the spherical correction is approx. 1 1% as well for the predictions of the cylindrical correction is about 3% and the thickness correction is about 2%.
  • Figures 7A through 7C show the predicted manufacturing corrections determined using non-linear models.
  • Each manufacturing correction model is a neural network with 5 fully connected layers of 5 neurons each and an output layer of 1 neuron.
  • the degree of determination for all predictions can be increased.
  • an increase in the coefficient of determination from approx. 3% to approx. 14% can be achieved from the multilinear to the nonlinear model.
  • the determination dimension can be increased from approx. 2% to 4%.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Optics & Photonics (AREA)
  • Chemical & Material Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Inorganic Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Eyeglasses (AREA)

Abstract

Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zum Festlegen eines Fertigungskorrekturmodells, eine Speichervorrichtung zum Speichern des Fertigungskorrekturmodells, ein computerimplementiertes Verfahren zum Bestimmen einer Fertigungskorrektur mit Hilfe des Fertigungskorrekturmodells und ein entsprechendes Herstellungsverfahren. Ferner betrifft die Erfindung entsprechende Computerprogrammprodukte und Vorrichtungen. Das Verfahren zum Bestimmen des Fertigungskorrekturmodells umfasst Bereitstellen von zumindest einem durch Modellparameter parametrisierten, nicht trainierten Fertigungskorrekturmodell, wobei das Fertigungskorrekturmodell eine Abbildung ist, die – bei gegebenen Werten der Modellparameter – jedem Element einer ausgewählten Definitionsmenge mindestens einen Teil von Fertigungskorrekturen zuordnet; Bereitstellen eines Trainingsdatensatzes umfassend eine erste Definitionsmenge und Fertigungskorrekturen, welche der ersten Definitionsmenge zugeordnet sind; und Trainieren des bereitgestellten Fertigungskorrekturmodells unter Verwendung des bereitgestellten Trainingsdatensatzes. Die Definitionsmenge umfasst eine Vielzahl von Definitionsparametern und deren Varianz. Die Definitionsparameter sind Parameter, welche eine herzustellende Linse und/oder deren Herstellungsprozess charakterisieren. Die Fertigungskorrekturen umfassen Korrekturparameter zur Beschreibung einer globalen und/oder lokalen Änderung zumindest einer zur fertigenden Fläche einer ophthalmischen Linse.

Description

"Verfahren zur verbesserten Bestimmung der Fertigungskorrekturen"
Beschreibung
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zum Festlegen eines Fertigungskorrekturmodells, eine Speichervorrichtung zum Speichern des Fertigungskorrekturmodells, ein computerimplementiertes Verfahren zum Bestimmen einer Fertigungskorrektur mit Hilfe des Fertigungskorrekturmodells und ein entsprechendes Herstellungsverfahren. Ferner betrifft die Erfindung entsprechende Computerprogrammprodukte und Vorrichtungen.
Bei der Produktion von ophthalmischen Linsen (wie zum Beispiel Brillengläsern, Kontaktlinsen oder Intraokularlinsen) ist eine Aufgabe, die zuvor bestimmte Gesamtoberfläche der Linse in einem Material zu erzeugen. Die Gesamtoberfläche der Linse kann zum Beispiel durch die Randkontur, die Vorderfläche, die Rückfläche sowie die Lage und Orientierung der Vorder- und Rückfläche zueinander definiert sein.
Heutzutage sind ophthalmische Linsen bekannt, bei denen zumindest ein Teil der Gesamtoberfläche einer ophthalmischen Linse eine Freiformfläche ist. Die Freiformfläche kann zum Beispiel die Rückfläche der ophthalmischen Linse sein. Es ist auch möglich, die Vorderfläche oder sowohl die Vorder- als auch die Rückfläche der Linse als Freiformflächen zu gestalten. Die Freiformfläche kann zum Beispiel durch einen Satz sogenannter Pfeilhöhen parametrisiert werden. Andere lokale Darstellungen, wie zum Beispiel eine Spline-Darstellung, oder nicht lokale Darstellungen, wie zum Beispiel eine Zernike-Zerlegung, sind auch möglich. Ist eine der Teilflächen der Gesamtoberfläche (wie zum Beispiel die Vorderfläche) eine vergleichsweise einfache Fläche, wie zum Beispiel eine sphärische Fläche, so kann hierfür nur ihre Krümmung in einem vorgegebenen Bezugspunkt angegeben werden. Die Krümmung einer sphärischen oder rotationssymmetrisch asphärischen Fläche in einem Bezugspunkt wird auch als Basiskurve bezeichnet.
Bei der Erzeugung der Gesamtoberfläche einer ophthalmischen Linse werden in der Regel die folgenden Schritte ausgeführt:
Zunächst werden (zum Beispiel mit Hilfe eines Gießverfahrens) mehrere Vorprodukte (auch Halbfabrikate oder Blanks genannt) mit unterschiedlichen Randkonturen, Vorderflächen und/oder Rückflächen sowie gegebenenfalls unterschiedlichen Lagen und Orientierungen der Vorder- und Rückfläche zueinander in einem Material erzeugt. In der Regel ist zumindest eine der Flächen des Vorprodukts eine "fertige" Fläche, das heißt eine Fläche deren Geometrie bei den nachfolgendenden Bearbeitungsschritten (wie zum Beispiel Aufbringen von Antireflexionsschichten oder anderen funktionellen Schichten und/oder Färben der Linse) nicht wesentlich verändert wird. In der Regel ist die Vorderfläche des Vorprodukts die fertige Fläche. Die "fertige" Fläche kann zum Beispiel eine sphärische oder eine rotationssymmetrisch asphärische Fläche sein. Selbstverständlich kann die "fertige" Fläche auch eine torische, atorische, progressive oder eine andere Freiformfläche sein.
Anschließend wird, zum Beispiel mit Hilfe von CNC-Flächenbearbeitungsmaschinen, eine zuvor bestimmte Fläche, die in der Regel die Rückfläche der Linse ist, auf ein zuvor ausgewähltes Vorprodukt aufgebracht. Diese Fläche wird auch als Rezeptfläche bezeichnet und kann eine sphärische, asphärische, zylindrische, atorische, progressive oder eine andere Freiformfläche sein.
Die maximalen erlaubten Abweichungen der zuvor bestimmten Oberfläche (im weiteren Soll-Oberfläche genannt) und der produzierten Oberfläche (im weiteren Ist- Oberfläche genannt) der Linse sind durch Normen beschränkt. Eine zu große Abweichung kann zum Beispiel die Fehlsichtigkeit nicht ausreichend korrigieren und/oder die Verträglichkeit der Linse negativ beeinflussen.
Die Abweichungen der Soll- und Ist-Oberfläche können durch messbare Parameter quantifiziert beziehungsweise charakterisiert werden. Beispielsweise können die optischen Messwerte Sphäre, Zylinder, Achse und Prisma der gefertigten ophthalmischen Linse in mindestens einem Punkt sowie die Mittendicke der Linse erfasst und mit den entsprechenden Sollwerten verglichen werden, um die Abweichungen zu ermitteln.
Aus den Druckschriften EP 2 920 640 B1 und EP 2 920 568 B1 sind Verfahren bekannt, um die Abweichungen der Soll- und Ist-Oberfläche anhand von Flächenmessdaten zu beschreiben und korrigieren.
Bekannte Verfahren zum Herstellen von ophthalmischen Linsen haben den Nachteil, dass die Einflüsse auf die Qualität der hergestellten Linsen nicht in einfacher oder effizierter Weise berücksichtigt werden können. Beispiele für solche Einflüsse sind die Qualität der Maschinenwerkzeuge, des Vorprodukts, die Soll-Oberfläche selbst, Umweltfaktoren wie Temperatur, Luftdruck, Luftfeuchtigkeit und so weiter. Durch die Nicht-Berücksichtigung dieser Einflüsse kann eine optimale Fertigungskorrektur nicht vorgenommen werden und eine Abweichung der Soll- und Ist-Oberfläche bleibt erhalten.
Eine Aufgabe der vorliegenden Erfindung ist es, ein verbessertes Verfahren zu erstellen, das eine optimale Fertigungskorrektur der ophthalmischen Linsen ermöglicht
Diese Aufgabe wird durch ein computerimplementiertes Verfahren, eine entsprechende Vorrichtung und ein entsprechendes Computerprogrammprodukt zum Bestimmen eines Fertigungskorrekturmodells, eine Speichervorrichtung zum Speichern eines Fertigungskorrekturmodells, ein computerimplementiertes Verfahren, eine entsprechende Vorrichtung und ein entsprechendes Computerprogrammprodukt zum Bestimmen einer Fertigungskorrektur, ein Verfahren und eine entsprechende Vorrichtung zum Herstellen einer ophthalmischen Linse mit den in den jeweiligen unabhängigen Ansprüchen angegebenen Merkmalen gelöst.
Gemäß einem ersten Aspekt der Erfindung wird ein computerimplementiertes Verfahren zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen bereitgestellt. Die ophthalmischen Linsen können Brillengläser (wie zum Beispiel Einstärkenbrillengläser, bi-fokale oder multifokale Brillengläser, progressive Brillengläser, etc.), Kontaktlinsen oder intraokularen Linsen sein.
Das Verfahren umfasst:
Bereitstellen von zumindest einem durch Modellparameter parametrisierten, nicht trainierten Fertigungskorrekturmodell, wobei das Fertigungskorrekturmodell eine Abbildung ist, die - bei gegebenen Werten der Modellparameter - jedem Element einer ausgewählten Definitionsmenge mindestens einen Teil von Fertigungskorrekturen zuordnet,
Bereitstellen eines Trainingsdatensatzes umfassend eine erste Definitionsmenge und Fertigungskorrekturen, welche der ersten Definitionsmenge zugeordnet sind; und Trainieren des bereitgestellten Fertigungskorrekturmodells unter Verwendung des bereitgestellten Trainingsdatensatzes; wobei: die Definitionsmenge eine Vielzahl (das heißt zwei oder mehr) von Definitionsparametern und deren Varianz umfasst, die Definitionsparameter Parameter sind, welche eine herzustellende Linse und/oder deren Herstellungsprozess charakterisieren; und die Fertigungskorrekturen Korrekturparameter zur Beschreibung einer globalen und/oder lokalen Änderung zumindest einer zur fertigenden Fläche einer ophthalmischen Linse umfassen.
Das vorgeschlagene flexible Fertigungskorrekturmodel ermöglicht es, die vielfältigen Einflüsse auf die Qualität der fertigen ophthalmischen Linse zu berücksichtigen und entsprechende Fertigungskorrekturen schnell und effizient zu ermitteln. Dadurch kann eine Verbesserung der Fertigungsqualität von Linsen erreicht werden. Es ist auch möglich, in einfacher Weise das Flächenmodell laufend zu aktualisieren und zu verbessern. Definitionsmenqe und Definitionsparameter
Wie oben beschrieben wird zum Bestimmen von Fertigungskorrekturen für die Herstellung von ophthalmischen Linsen ein Fertigungskorrekturmodell bestimmt. Der Begriff "Bestimmen" im Sinne der vorliegenden Anmeldung beinhaltet auch "Festlegen", "Berechnen", "Ermitteln" und so weiter.
Um das Fertigungskorrekturmodell zu bestimmen, wird ein Trainingsdatensatz umfassend eine erste Definitionsmenge und Fertigungskorrekturen, welche der ersten Definitionsmenge zugeordnet sind, bereitgestellt. Der Begriff "Bereitstellen" im Sinne der vorliegenden Anmeldung beinhaltet "Festlegen", "Übermitteln", "Erhalten", "Auslesen", "Entnehmen einem Speicher, einer Datenbank und/oder einer Tabelle", "Empfangen" und so weiter.
Die Definitionsmenge umfasst eine Vielzahl von Definitionsparametern und deren Varianz. Anders ausgedrückt umfasst die Definitionsmenge eine Vielzahl von Definitionsparametern und deren Werte. Die Vielzahl der Parameter wird im Rahmen der vorliegenden Anmeldung als Definitionsparameter bezeichnet. Die Definitionsparameter sind Parameter, welche eine herzustellende Linse und/oder deren Herstellungsprozess charakterisieren. Beispielsweise sind die Definitionsparameter Bestellparameter und/oder daraus abgeleitete Größen und/oder Fertigungsparameter. Die Fertigungsparameter sind Parameter, die den Herstellungsprozess charakterisieren. Die Fertigungsparameter sind vorzugsweise bestimmbar, bevor die ophthalmische Linse gefertigt wird.
Die Definitionsparameter können beispielsweise zumindest einen der folgenden Parameter umfassen:
Geometrie beziehungsweise Flächenbeschreibung der Vorderfläche und/oder der Rückfläche der ophthalmischen Linse; und/oder
Lage und/oder Orientierung der Vorderfläche und der Rückfläche der ophthalmischen Linse zueinander; und/oder
Blankparameter umfassend Blankgeometrie, Material und/oder Qualität; und/oder
Eigenschaften zumindest einer für die Herstellung verwendeten Maschine und/oder zumindest eines für die Herstellung verwendeten Werkzeugs.
Die Definitionsparameter können zum Beispiel die Linsengeometrie beschreiben. Die Parameter, welche die Linsengeometrie beschreiben, können zum Beispiel Parameter sein, welche die Geometrie der Vorderfläche und/oder der Rückfläche der ophthalmischen Linse und/oder die Lage und/oder Orientierung der Vorderfläche und der Rückfläche der ophthalmischen Linse zueinander beschreiben.
Die Flächen können dabei sphärische, torische, asphärische und atorische Flächen sein. Die Geometrie einer sphärischen Fläche kann zum Beispiel durch die Parameter Sphäre oder die Krümmung beziehungswiese Basiskurve beschrieben werden. Die Geometrie einer torischen Fläche kann zum Beispiel durch die zwei Hauptkrümmungen und die Richtung einer Hauptkrümmung bezüglich der Glashorizontalen oder durch den Zylinder und die Achse als Parameter beschrieben werden. Die Geometrie von asphärischen und atorischen Flächen kann zum Beispiel durch Entwicklungskoeffiienten (wie zum Beispiel BSpline-Koeffizenten oder Zernike- Koeffizenten) als Parameter beschrieben werden. Die Lage und Orientierung der beiden Flächen der ophthalmischen Linse zueinander kann z.B. durch einen Translationsvektor und eine Rotationsmatrix beschrieben werden.
Die Definitionsparameter können auch Parameter sein, welche die zur Herstellung von ophthalmischen Linsen verwendeten Vorprodukte (Halbfabrikate oder Blanks) charakterisieren. Diese Parameter werden nachfolgend Blankparameter genannt. Die Blankparameter umfassen zum Beispiel die Blankgeometrie, das Material und/oder die Qualität der Blanks. Die Blankgeometrie ist durch die Geometrie der Vorder- und Rückfläche des Blanks sowie die Lage und Orientierung der beiden Flächen zueinander bestimmt. Die Blankgeometrie kann in analoger Weise durch die in Zusammenhang mit der Linsengeometrie beschriebenen Parameter charakterisiert werden. Von besonderer Relevanz ist dabei die Fläche des Blanks, die nicht weiterbearbeitet wird. Das Material des Blanks kann z.B. durch einen eindeutigen Materialnamen oder die chemischen und physikalischen Eigenschaften des Materials beschreiben werden. Beispielhafte Eigenschaften des Materials sind die Dichte, die Abbe Zahl und der Brechungsindex. Zusätzlich kann es von Vorteil sein, qualitätsrelevante Produktionsparameter des Blanks zu berücksichtigen. Beispiele hierfür sind die Losnummer und/oder die Prüfergebnisse des Blanks eines Los. Die Prüfergebnisse können zum Beispiel die Ablagen beziehungsweise Abweichungen der gefertigten Flächen von den Sollflächen (zum Beispiel gegeben durch die Abweichung der Basiskurve der fertigen Fläche von dem Sollwert der Basiskurve) enthalten.
Die Definitionsparameter können auch Parameter sein, welche die Eigenschaften zumindest einer für die Herstellung verwendeten Maschine und/oder zumindest eines für die Herstellung verwendeten Werkzeugs und/oder daraus abgeleiteten Größen charakterisieren.
Beispiele sind die Dauer der Benutzung der Maschine und/oder des Werkzeugs; und/oder Steuerungsparameter der zumindest einen verwendeten Maschine, wie zum Beispiel Schleifmaschine, Poliermaschine, Blockstation, Temperschrank, etc. Weitere relevante Definitionsparameter können zum Beispiel der Standort mit während der Auswahl herrschenden Umweltfaktoren, Anzahl der Arbeitsschritte seit der letzten Wartung, die zu benutzenden Werkzeugen und Arbeitsmittel und deren Eigenschaften, das Bedienpersonal der Maschinen und so weiter umfassen.
Die Benutzungsdauer der Werkzeuge und/oder der Maschinen im Fertigungsprozess hat zum Beispiel einen erheblichen Einfluss auf die Qualität der gefertigten ophthalmischen Linsen. Beispielsweise werden die Diamantwerkzeuge in den Schleifmaschinen durch die Benutzung abgerundet, so dass in den gefertigten Flächen Gradienten kleiner ausfallen als theoretisch berechnet. Gemäß dem Stand der Technik wird die Qualität der Werkzeuge überwacht und abgenutzte Werkzeuge werden gewartet oder ersetzt. Durch eine Einbeziehung der Benutzungsdauer der einzelnen Werkzeuge in die Definitionsparameter können schon kleinere Abweichungen der gefertigten Fläche von der Soll-Fläche korrigiert und damit die Qualität der ophthalmischen Linse verbessert werden. Des Weiteren können die Wartungsintervalle verlängert und damit Ressourcen gespart werden.
Die Steuerungsparameter der Fertigungsmaschine sind zum Beispiel die Bearbeitungsgeschwindigkeit der Schleif- und Poliermaschine, die Abkühlzeiten und/oder die Temperzeiten. Diese Parameter haben sowohl einen Einfluss auf die Qualität der ophthalmischen Linse als auch auf die Herstellungsdauer bzw. -kosten. Durch eine Einbeziehung der Steuerungsparameter zumindest einer verwendeten der Fertigungsmaschinen können beispielswese systematische Ablagen beziehungsweise Abweichungen korrigiert werden. Ebenfalls ist es möglich, die Steuerparameter auch bei gleichbleibender Qualität so zu verändern, dass die Herstellungsdauer verkürzt und/oder die Herstellkost reduziert werden.
Weitere mögliche relevante Definitionsparameter sind zum Beispiel:
Umweltfaktoren in der Fertigung;
Bestelldaten beziehungsweise Bestellparameter für die ophthalmische Linse und/oder daraus abgeleitete Größen.
Beispiele für die Umweltfaktoren in der Fertigung sind Luftfeuchtigkeit, Temperatur und/oder Luftdruck. Die Berücksichtigung dieser Faktoren kann die Qualität der gefertigten ophthalmischen Linsen erhöhen und/oder Herstellungskosten reduzieren.
Beispiele für Bestelldaten beziehungsweise Bestellparameter finden sich in den gängigen Normen für Brillengläser (siehe zum Beispiel die EU-Richtlinie 93/42/EWG über Medizinprodukte).
Beispiele für Bestelldaten beziehungsweise Bestellparameter der Linse sind die gewünschte Dicke der Linse, die Beschichtung, die Refraktion oder Rezeptdaten (wie zum Beispiel Sphäre, Zylinder, Achse, gegebenenfalls Addition oder Nahrefraktion, Prisma mit Basis), geometrische Parameter einer Brillenfassung, Verwendungszweck der ophthalmischen Linse, physiologische Eigenschaften des zukünftigen Trägers der ophthalmischen Linse, biometrische Daten des bzw. der Augen des zukünftigen T rägers (wie zum Beispiel Lage des Augendrehpunkts, individueller Aufbau des Auges, Pupillendurchmesser, etc.), das bevorzugte Sehverhalten des zukünftigen Trägers, sowie andere bekannte Parameter zur Individualisierung und Personalisierung von ophthalmischen Linsen (zum Beispiel abgebildet in einer Designcharakteristik oder der Lage der Bezugspunkte, Progressionslänge, etc.).
Ein Beispiel für aus den Bestelldaten abgeleiteten Größen ist die Soll-Oberfläche sowie deren Lage und Orientierung. Die Soll-Oberfläche kann wie oben zum Beispiel durch eine sogenanntes Pfeilhöhenfeld, durch Spline oder Zernike Koeffizienten oder in einer anderen geeigneten Weise dargestellt werden. Die Lage und Orientierung der Soll-Fläche kann zum Beispiel durch einen Translationsvektor und eine Rotationsmatrix dargestellt werden.
Fertiqunqskorrekturen
Die Fertigungskorrekturen umfassen Parameter zur Beschreibung globaler und/oder lokaler Änderungen zumindest einer zu fertigenden oder einer bereits gefertigten Fläche der ophthalmischen Linse. Die Änderungen können zum Beispiel Anpassungen der Lage und Orientierung der Fläche, lokale Änderungen der Fläche an beliebigen Punkten, Anpassungen des Pfeilhöhenfeldes der Fläche, und/oder der Spline oder Zernike Koeffizienten der Fläche umfassen.
Die Änderungen der zu fertigenden oder gefertigten Fläche der ophthalmischen Linse können zum Beispiel durch eine Überlagerung dieser Fläche mit einer Korrekturfläche erfolgen. Die Fertigungskorrekturen umfassen dann Parameter der Korrekturfläche. Beispielsweise kann die Korrekturfläche eine Fläche sein, die in mindestens einem Punkt den sphärischen Wert der zuvor brechenten Linse um die Fertigungskorrektur des sphärischen Werts abändert. Des Weiteren kann die Lage und Orientierung der zu fertigenden Fläche der ophthalmischen Linse derart korrigiert werden, dass der prismatische Wert der Linse um die Fertigungskorrektur des prismatischen Werts und/oder der Dickenwert der Linse um die Fertigungskorrektur des Dickenwerts abgeändert wird. Traininqsdatensatz
Die im Trainingsdatensatz enthaltenen Fertigungskorrekturen können in an sich bekannter Weise aus bereits gefertigten ophthalmischen Linsen ermittelt werden.
Für die im Trainingsdatensatz enthaltenen Trainingsdaten können zumindest zwei sich in der Definitionsmenge unterscheidende Linsen gefertigt werden. Für jede der Linsen können die Werte der Definitionsparameter sowie die aus der gefertigten Linse bestimmten Fertigungskorrekturen in an sich bekannter Weise erfasst werden. Die Fertigungskorrekturen können, wie oben beschrieben, die Parameter einer Korrekturfläche umfassen, wobei die Korrekturfläche in mindestens einem Punkt den sphärischen Messwert der fertigen Linse um die Fertigungskorrektur des sphärischen Messwerts abändert. Des Weiteren kann die Lage und Orientierung der gefertigten Fläche korrigiert werden, sodass der prismatische Messwert um die Fertigungskorrektur des prismatischen Messwerts oder/oder der Dickenmesswert um die Fertigungskorrektur des Dickenmesswerts abgeändert wird.
Es ist von Vorteil, für die Trainingsdaten mehr als 10, 100, 1000, 10000, 100000 oder 1000000 sich in der Definitionsmenge unterscheidende Linsen zu fertigen und die oben beschriebenen Werte zu erfassen.
Das Bereitstellen eines Trainingsdatensatzes kann beispielsweise umfassen:
Bereitstellen zumindest zwei sich in der Definitionsmenge unterscheidende fertige Linsen; und für jede der bereitgestellten Linsen Bestimmen der Definitionsparameter der Linse und der Fertigungskorrektur für diese Linse anhand der Differenz zwischen zumindest einem Messwert der fertigen Linse und dem entsprechenden Sollwert. Insbesondere wird die Fertigungskorrektur für die Linse derart bestimmt, dass die Differenz zwischen zumindest einem Messwert der fertigen Linse und dem entsprechenden Sollwert minimiert wird. Beispielsweise kann die Fertigungskorrektur derart bestimmt werden, dass die Differenz zwischen zumindest einem Messwert der fertigen Linse und dem entsprechenden Sollwert gleich Null ist oder innerhalb vorgegebener Toleranzen liegt.
Anders ausgedrückt werden die Fertigungskorrekturen anhand der Abweichung zwischen der Ist-Oberfläche der fertigen Linse von einer Soll-Oberfläche der Linse derart bestimmt, dass die Abweichung minimiert wird.
Fertiqunqskorrekturmodell
Das Fertigungskorrekturmodell ist eine Abbildung, die jedem Element einer ausgewählten Definitionsmenge mindestens ein Teil der Fertigungskorrekturen zuordnet. Die Abbildung kann ein beliebiges statistisches Modell sein, welches mit Hilfe von statistischen Methoden aus den Trainingsdaten im Trainingsdatensatz hergeleitet wird. Dieses Herleiten stellt im Allgemeinen ein "Trainieren" eines ursprünglichen, nicht trainierten Fertigungskorrekturmodells dar.
Insbesondere wird unter dem Begriff "Trainieren" im Rahmen der vorliegenden Anmeldung im Allgemeinen ein Anwenden eines beliebigen statistischen Verfahrens auf den bereitgestellten Trainingsdatensatz, um Werte für zumindest einen Teil der Modellparameter zu ermitteln, verstanden. Beispielsweise können mit Hilfe des Trainingsdatensatzes alle trainierbare Modellparameter des Fertigungskorrekturmodells bestimmt werden, indem eine Zielfunktion, welche mit dem Trainingsdatensatz ausgewertet wird, durch eine Veränderung der trainierbaren Modellparameter minimiert oder maximiert wird. Das trainierte Fertigungskorrekturmodell kann verwendet werden, um die für die Herstellung einer ophthalmischen Linse notwendige Fertigungskorrektur vorherzusagen.
Als statistische Verfahren sind zum Beispiel Regression (lineare Regression, nichtlineare Regression, nichtparametrische oder semiparametrische Regression, etc.), Klassifizierung sowie andere Methoden des maschinellen Lernens und deren Kombination möglich. Algorithmen des maschinellen Lernens sind z.B. in Jeremy Watt, Reza Borhani, Aggelos Katsaggelos: Machine Learning Refined: Foundations, Algorithms, and Applications, Cambridge University Press, 2020 beschrieben. Das Fertigungskorrekturmodell kann dementsprechend: ein lineares, multilineares oder ein nicht lineares Regressionsmodell sein oder ein solches Modell umfassen, wobei die Koeffizienten des Regressionsmodells zumindest einen Teil der Modellparameter des Fertigungskorrekturmodells darstellen; und/oder ein Klassifikationsmodell sein oder ein Klassifikationsmodell umfassen; und/oder ein neuronales Netz sein oder zumindest ein neuronales Netz umfassen.
Das Fertigungskorrekturmodell kann durch geeignet festgelegte Modellparameter beschrieben sein, welche zusammen mit wenigstens einem Teil der Definitionsparameter zur Bestimmung der Fertigungskorrekturen verwendet werden. Ein durch Modellparameter festgelegtes Fertigungskorrekturmodell kann als Klassifizierungsverfahren ausgeführt werden oder ein solches enthalten, welches als Eingangsgrößen wenigstens einen Teil oder beispielsweise alle Definitionsparameter enthält. Des Weiteren kann das Fertigungskorrekturmodell als Regressionsmodell ausgeführt sein oder ein Regressionsmodell beinhalten, welches als Eingangsgrößen wenigstens einen Teil oder beispielsweise alle Definitionsparameter enthält. Des Weiteren sind auch Kombinationen aus Klassifizierungsverfahren und Regressionsmodell möglich. Die Koeffizienten des Klassifizierungsverfahren und/oder des Regressionsmodells stellen dabei wenigstens einen Teil der Modellparameter des Fertigungskorrekturmodells dar.
Das im Fertigungskorrekturmodell oder als Fertigungskorrekturmodell verwendete Regressionsmodell kann ein lineares Regressionsmodell sein, was typischerweise die zur Festlegung des Fertigungskorrekturmodells nötigen Berechnungen erleichtert, da die Modellparameter aus einem linearen Gleichungssystem bestimmt werden können. Anstatt eines linearen Regressionsmodells kann ein nichtlineares Regressionsmodell verwendet werden. Ein solches Modell ist flexibler und kann komplexere Zusammenhänge zwischen den Definitionsparametern und den Fertigungskorrekturen der ophthalmischen Linsen abbilden. Es ist jedoch gleichzeitig schwieriger, die Modellparameter geeignet zu bestimmen, da dazu typischerweise nichtlineare Optimierungsalgorithmen zum Einsatz kommen, welche nicht notwendigerweise zum globalen Optimum der Modellparameter konvergieren. Als nichtlineare Regressionsmodelle können zum Beispiel neuronale Netze oder andere Modelle des maschinellen Lernens verwendet werden.
Ein im Fertigungskorrekturmodell oder als Fertigungskorrekturmodell verwendetes neuronales Netz kann zum Beispiel ein tiefes neuronales Netz mit zumindest einer verborgenen Schicht, ein faltendes neuronales Netz oder ein anderes neuronales Netz sein. Dabei ist die Eingabeschicht eines solchen neuronalen Netzes zumindest mit einem Teil der Definitionsparameter und/oder daraus berechneten Hilfsgrößen belegt. Die Ausgabeschicht des neuronalen Netzes gibt mindestes einen Teil der Fertigungskorrekturen aus.
Es ist möglich, eine Vielzahl von neuronalen Netzen zu verwenden. Beispielswese kann jedes neuronale Netz der Vielzahl von neuronalen Netzen jeweils eine Fertigungskorrektur Vorhersagen. Im Gegensatz dazu ist auch ein Multi-Task Modell möglich, wobei ein neuronales Netzwerk eine Vielzahl von Fertigungskorrekturen (zum Beispiel alle Fertigungskorrekturen) vorhersagt.
Die Gewichte des neuronalen Netzes (das heißt die Stärke der Verknüpfungen der Neuronen) stellen dabei zumindest einen Teil der trainierbaren Modellparameter dar. Das neuronale Netz kann neben Eingabe- und Ausgabeschicht auch eine oder mehrere versteckte Schichten enthalten. Die Art, wie das neuronale Netz aufgebaut ist, kann implizit durch Hyperparameter, wie zum Beispiel die Anzahl der Schichten, die Anzahl der Neuronen in den unterschiedlichen Schichten, die Art der Verknüpfung der Schichten untereinander definiert werden.
Um die Mächtigkeit der Definitionsmenge abbilden zu können, ist es vorteilhaft, wenn das Fertigungskorrekturmodell eine genügend hohe Anzahl von Modellparametern besitzt, z.B. mehr als 10, 30, 50, 100, 500, oder 1000, 10000, 100000 oder noch mehr Modellparameter. Bei der Ausgestaltung und/oder zum Trainieren des neuronalen Netzes können spezielle Methoden des maschinellen Lernens vorteilhaft sein. Diese umfassen zum Beispiel Attention Technik und/oder Techniken eines faltenden neuronalen Netzes.
Attention Technik: Mit dieser Methode wird der Effekt von wichtigen Eingabedaten verstärkt und von unwichtigen ausgeblendet. Die Wichtigkeit der Eingabedaten wird dabei im Training des Modells gelernt. Der Vorteil dieser Technik ist, dass eine Vorauswahl der Definitionsparameter nicht notwendig ist, die wichtigeren Parameter das Modell dennoch beeinflussen.
Techniken eines faltenden neuronalen Netzes: Faltende neuronale Netzwerke sind speziell für die Verarbeitung von mehrdimensionalen Eingabedaten entwickelt worden. Durch diese Techniken können Strukturen in mehrdimensionalen Eingabedaten gefunden und kategorisiert werden. Die gesuchten Kategorisierungen werden zum Beispiel durch einen Vektor mit weniger Dimensionen als das Eingabeobjekt bestimmt. Diese Technik kann von Vorteil sein, wenn in den Definitionsparametern asphärische und atorische Flächen dargestellt durch zweidimensionale Spline Koeffizienten enthalten sind. Durch diese Techniken können die Flächen untersucht werden und relevante Eigenschaften für die Bestimmung der Fertigungskorrekturen extrahiert werden. Beispiele für relevante Eigenschaften sind die Stärke und der Verlauf von Flächengradienten. Die gefundenen Eigenschaften beschrieben durch einen niederdimensionalen Vektor werden durch weitere Schichten des neuronalen Netzwerks bearbeitet, so dass daraus die Fertigungskorrekturen bestimmt werden können.
Um die Komplexität des Fertigungskorrekturmodells geeignet einzustellen, kann zusätzlich zur oder anstatt einer direkten Variation der Anzahl der trainierbaren Parameter des Fertigungskorrekturmodells auch eine sogenannte Regularisierung zum Einsatz kommen, bei der weitere, mit einem Faktor gewichtete Terme zu der Zielfunktion der trainierbaren Parameter des Fertigungskorrekturmodells addiert werden. Diese können zum Beispiel quadratische Terme in den trainierbaren Parametern sein. Ebenfalls ist eine Variation der Anzahl der Modellparameter möglich, um die Komplexität des (nicht trainierten) Fertigungskorrekturmodells einzustellen.
Training, Cross-Validierung und Testen des Fertiqunqskorrekturmodells
In Modellen des maschinellen Lernens ist es vorteilhaft, die vorhandenen Trainingsdaten zufällig in drei Datensätze, Trainingsdatensatz, Validierungsdatensatz und Testdatensatz aufzuteilen. Die relative Größe der Datensätze hängt von der Gesamtzahl der Datensätze ab, dabei ist es von Vorteil den Trainingsdatensatz am größten zu wählen. Eine Aufteilung kann z.B. durch 60%, 20% und 20% gegeben sein.
Die drei Datensätze können wie folgt verwendet werden:
Trainingsdatensatz: Mit Hilfe des Trainingsdatensatz werden, wie oben beschrieben, alle trainierbaren Parameter des Fertigungsmodells bestimmt, indem eine Zielfunktion ausgewertet mit dem Trainingsdatensatz durch Veränderung der trainierbaren Parameter minimiert und maximiert wird.
Validierungsdatensatz: Mit Hilfe des Validierungsdatensatzes werden nichttrainierbare Parameter, Hyperparameter genannt, bestimmt. Dabei wird eine Zielfunktion nach dem Training des Modells ausgewertet mit dem Validierungsdatensatz durch Veränderung der nicht-trainierbaren Parameter minimiert Das Verfahren wird auch als Hyperparameteroptimierung bezeichnet.
Testdatensatz: Mit Hilfe des Testdatensatzes kann die Vorhersagekraft des trainierten und hyperparameter-optimierten Modells bestimmt werden, indem die Vorhersagen aus dem Testdatensatz mit den tatsächlichen Werten des Testdatensatzes verglichen werden.
Das computerimplementierte Verfahren zum Bestimmen eines Fertigungskorrekturmodells kann dementsprechend ferner umfassen:
Bereitstellen eines Validierungsdatensatzes umfassend eine zweite Definitionsmenge und der zweiten Definitionsmenge zugeordnete Fertigungskorrekturen, und
Bestimmen von (optimierten) Werten für Hyperparameter des trainierten Fertigungskorrekturmodells mittels eines statistischen Verfahrens unter Verwendung des bereitgestellten Validierungsdatensatzes, wobei die Hyperparameter in den Modellparametern beinhaltet sind.
Ein Hyperparameter ist ein Parameter, der zur Steuerung eines Trainingsalgorithmus verwendet wird und dessen Wert im Gegensatz zu anderen Parametern vor dem eigentlichen Training des Modells festgelegt werden muss. Die Hyperparameter können beispielsweise Modellparameter sein, welche mit dem Trainingsdatensatz nicht trainierbar sind beziehungsweise nicht trainiert werden.
Die Werte für die Hyperparameter des trainierten Fertigungskorrekturmodells können mittels eines statistischen Verfahrens unter Verwendung des bereitgestellten Validierungsdatensatzes bestimmt werden.
Dabei kann eine Zielfunktion (Validierungszielfunktion) nach dem Training des Fertigungskorrekturmodells mit dem Validierungsdatensatz ausgewertet und durch Veränderung der Hyperparameter minimiert oder maximiert werden. Die Validierungszielfunktion kann gleich oder unterschiedlich von der Zielfunktion sein, welche beim Trainieren des Fertigungskorrekturmodells mit dem Trainingsdatensatz verwendet wird.
Des Weiteren kann das computerimplementierte Verfahren zum Bestimmen eines Fertigungskorrekturmodells
Bereitstellen eines Testdatensatzes umfassend eine dritte Definitionsmenge und der dritten Definitionsmenge zugeordnete Fertigungskorrekturen, und
Testen der Vorhersagekraft des trainierten und optional validierten Fertigungskorrekturmodells mit Hilfe des Testdatensatzes umfassen. Das Testen kann zum Beispiel:
Ermitteln von vorhergesagten Fertigungskorrekturen mittels des trainierten und optional validierten Fertigungskorrekturmodells und unter Verwendung der dritten Definitionsmenge; und
Vergleichen der vorhergesagten Fertigungskorrekturen mit den entsprechenden Fertigungskorrekturen im Testdatensatz umfassen.
Wenn zum Beispiel die Abweichungen bestimmte Kriterien erfüllen (wie zum Beispiel unter einem vorgegebenen Schwellenwert liegen) kann das Testen des trainierten Fertigungskorrekturmodells als erfolgreich betrachtet werden. Das trainierte Fertigungskorrekturmodell kann dann zur Vorhersage der Fertigungskorrekturen für die Herstellung von ophthalmischen Linsen verwendet werden.
Wenn die Kriterien nicht erfüllt sind, kann das Trainieren und optional Validieren des Fertigungskorrekturmodells anhand von weiteren Trainingsdaten fortgesetzt werden. Alternativ oder zusätzlich kann das Fertigungskorrekturmodell erweitert oder abgeändert werden.
Erzeugen von Trainingsdaten während des Betriebs und Anpassen beziehungsweise Abändern des Fertigungskorrekturmodells:
Es ist ebenfalls möglich, das Fertigungskorrekturmodell laufend oder in regelmäßigen Abständen nachzutrainieren. Da alle ophthalmische Linsen in der Fertigung gemäß DIN/ISO 8980-1 -2 toleriert werden müssen, können aus diesen Messungen wie oben beschrieben neue Fertigungskorrekturen bestimmt werden. Die für das Nachtrainieren benötigten Fertigungskorrekturen können aus der Summe der neuen Fertigungskorrekturen und der bereits verwendeten Fertigungskorrekturen bestimmt werden. Zusammen mit den dazugehörigen Werten der Definitionsparameter kann somit ein neuer Trainingsdatensatz erzeugt und zum Nachtrainieren des Fertigungskorrekturmodells verwendet werden. Das Verfahren zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung zumindest einer ophthalmischen Linse kann ferner ein Speichern des trainierten Fertigungskorrekturmodells in einer Speichervorrichtung umfassen. Die Speichervorrichtung kann zum Beispiel eine Datenbank, eine Rechner- oder Datenwolke oder ein anderes geeigneten Speichermedium sein, welche beziehungsweise welches permanent oder nicht permanent das trainierte Fertigungskorrekturmodell speichert. Des Weiteren kann das Verfahren ein Übermitteln des Fertigungskorrekturmodells an eine externe Einheit, wie zum Beispiel an einen Hersteller von ophthalmischen Linsen, eine Fertigungseinheit, eine Fertigungsvorrichtung, etc. umfassen. Das Fertigungskorrekturmodell kann optional zusammen mit zumindest einem Teil des zur Ermittlung des Fertigungskorrekturmodells verwendeten Trainingsdatensatzes gespeichert und gegebenenfalls an eine externe Einheit übermittelt werden.
Ein zweiter Aspekt der Erfindung betrifft eine Speichervorrichtung zum Speichern eines nach dem oben beschriebenen Verfahren bestimmten Fertigungskorrekturmodells. Wie oben beschrieben kann die Speichervorrichtung zum Beispiel eine Datenbank, eine Rechner- oder Datenwolke oder ein anderes geeignetes Speichermedium sein, welche beziehungsweise welches permanent oder nicht permanent das trainierte Fertigungskorrekturmodell speichert.
Ein dritter Aspekt der Erfindung betrifft ein computerimplementiertes Verfahren zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche einer ophthalmischen Linse umfassend:
Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Bereitstellen eines Fertigungskorrekturmodells, das mittels des Verfahrens gemäß einem der vorangegangenen Ansprüche bestimmt worden ist;
Bestimmen der Fertigungskorrektur für die zumindest eine zu fertigende Fläche der ophthalmischen Linse mit Hilfe des Fertigungskorrekturmodells und anhand zumindest eines Teils der bereitgestellten Linsenparameter, wobei die Fertigungskorrektur Korrekturparameter zur Beschreibung einer globalen und/oder lokalen Änderung der zumindest einen zur fertigenden Fläche der ophthalmischen Linse umfasst.
Die Linsenparameter können die gleichen Parameter sein, die bei dem Trainieren des Fertigungskorrekturmodells verwendet wurden, wobei die Linsenparameter Werte annehmen, die spezifisch für die herzustellende ophthalmische Linse sind. Zumindest ein Teil der bereitgestellten Linsenparameter stellt die Eingangsgröße des bereitgestellten Fertigungskorrekturmodells dar. Die Ausgangsgröße ist die für die herzustellende Linse bestimmte beziehungsweise vorhergesagte Fertigungskorrektur. Die so bestimmte Fertigungskorrektur kann in einer Speichereinrichtung permanent oder nicht permanent gespeichert werden. Ferner kann die so bestimmte Fertigungskorrektur an eine externe Einheit, wie zum Beispiel an einen Hersteller von ophthalmischen Linsen, eine Fertigungseinheit, eine Fertigungsvorrichtung, etc., übermittelt werden.
Weiterhin gelten auch hinsichtlich dieses Verfahrens die vorgenannten bevorzugten Ausführungsvarianten bzw. die vorgenannten Vorteile in sinngemäßer Weise.
Ein vierter Aspekt der Erfindung betrifft ein Computerprogrammprodukt, welches, wenn es in den Speicher eines Computers geladen und auf diesem ausgeführt wird, bewirkt, dass der Computer ein Verfahren zum Bestimmen eines Fertigungskorrekturmodelles gemäß dem oben beschriebenen ersten Aspekt und den Ausführungsbeispielen und Varianten oder ein Verfahren zum Bestimmen einer Fertigungskorrektur gemäß dem oben beschriebenen dritten Aspekt und den Ausführungsbeispielen und Varianten durchzuführen.
Ein fünfter Aspekt der Erfindung betrifft eine Vorrichtung zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen, wobei die Vorrichtung eine Rechenvorrichtung umfasst, welche ausgebildet ist, das Verfahren gemäß dem oben beschriebenen ersten Aspekt und den Ausführungsbeispielen und Varianten durchzuführen. Ein sechster Aspekt der Erfindung betrifft eine Vorrichtung zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche einer ophthalmischen Linse, wobei die Vorrichtung eine Rechenvorrichtung umfasst, welche ausgebildet ist, das Verfahren gemäß dem oben beschriebenen dritten Aspekt und den Ausführungsbeispielen und Varianten durchzuführen.
Hinsichtlich dieser Vorrichtungen gelten die vorgenannten bevorzugten Ausführungsvarianten bzw. die vorgenannten Vorteile in sinngemäßer Weise.
Ein siebter Aspekt der Erfindung betrifft ein Verfahren zum Herstellen einer ophthalmischen Linse umfassend:
Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Bestimmen einer zu fertigenden Fläche der ophthalmischen Linsen anhand zumindest eines Teils der Linsenparameter;
Bestimmen einer Fertigungskorrektur für die zumindest eine zu fertigende Fläche der ophthalmischen Linse nach dem Verfahren gemäß dem dritten Aspekt und den Ausführungsbeispielen und Varianten;
Bestimmen einer korrigierten Fläche anhand der ermittelten Fertigungskorrektur durch eine Kombination der bestimmten Fertigungskorrektur mit der zu fertigenden Fläche; und
- Fertigen der ophthalmischen Linse mit der korrigierten Fläche.
Ein achter Aspekt der Erfindung betrifft eine Vorrichtung zum Herstellen einer ophthalmischen Linse umfassend: eine Linsenparameterbereitstellungseinrichtung zum Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Flächenbestimmungseinrichtung zum Bestimmen einer ersten zu fertigenden Fläche der ophthalmischen Linsen anhand zumindest eines Teils der Linsenparameter; und eine Vorrichtung zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche gemäß dem sechsten Aspekt, wobei die Flächenbestimmungseinrichtung ferner ausgebildet ist, eine zweite korrigierte Fläche anhand der ermittelten Fertigungskorrektur durch eine Kombination der bestimmten Fertigungskorrektur mit der ersten Fläche zu bestimmen; und wobei die Vorrichtung zum Herstellen einer ophthalmischen Linse ferner eine Fertigungsvorrichtung zum Fertigen der ophthalmischen Linse mit der zweiten korrigierten Fläche umfasst.
Hinsichtlich der obigen Verfahren und Vorrichtung zum Herstellen einer ophthalmischen Linse gelten ferner die vorgenannten bevorzugten Ausführungsvarianten bzw. die vorgenannten Vorteile in sinngemäßer Weise.
Die oben genannten Vorrichtungen zum Bereitstellen, Bestimmen, Festlegen oder Berechnen von Daten (wie zum Beispiel von Trainingsdatensätzen, Definitionsmengen, Definitionsparametern, Modelldaten, Modellparametern, Hyperparametern, Zielwerten, Fertigungskorrekturdaten, Flächendaten, etc.) und/oder zum Auswerten von Funktionen, wie z.B. Zielfunktionen, können durch geeignet konfigurierte bzw. programmierte Datenverarbeitungsvorrichtungen (insbesondere spezialisierte Hardwaremodule, Computer oder Computersysteme, wie z.B. Rechner- oder Datenwolken) mit entsprechenden Recheneinheiten, elektronische Schnittstellen, Speichern und Datenübermittlungseinheiten realisiert werden.
Die oben genannten Vorrichtungen können ferner geeignete Schnittstellen aufweisen, die eine Übermittlung oder Eingabe oder Auslesen von Daten (wie zum Beispiel von Trainingsdatensätzen, Definitionsmengen, Definitionsparametern, Modelldaten, Modellparametern, Hyperparametern, Zielwerten, Fertigungskorrekturdaten, Flächendaten, etc.) ermöglichen. Ebenfalls können die Vorrichtungen zumindest eine Speichereinheit umfassen, z.B. in Form einer Datenbank, welche die verwendeten Daten speichert.
Die Fertigungsvorrichtung kann z.B. zumindest eine CNC gesteuerte Maschine zur Direktbearbeitung eines Blanks nach den ermittelten Vorgaben (zum Beispiel Flächendaten und Fertigungskorrekturdaten) umfassen. Alternativ kann die ophthalmische Linse mittels eines Gießverfahrens gefertigt werden. Vorzugsweise weist die fertig bearbeitete ophthalmische Linse eine einfache sphärische oder rotationssymmetrisch asphärische Fläche und eine nach einem Aspekt des erfindungsgemäßen Verfahrens mit Hilfe des Fertigungskorrekturmodelles korrigierte Fläche auf. Vorzugsweise ist die einfache sphärische oder rotationssymmetrisch asphärische Fläche die Vorderfläche (d.h. die objektseitige Fläche) der ophthalmischen Linse. Selbstverständlich ist es jedoch möglich, die mit dem Fertigungskorrekturmodell korrigierte Fläche als Vorderfläche der ophthalmischen Linse anzuordnen. Auch können beide Flächen der ophthalmischen Linse und/oder deren Anordnung zueinander mit Hilfe des Fertigungskorrekturmodells korrigiert werden.
Des Weiteren bietet die Erfindung eine Verwendung einer nach dem Herstellungsverfahren gemäß der Erfindung hergestellten ophthalmischen Linse in einer vorgegebenen durchschnittlichen oder idealen Gebrauchsstellung der Linse vor den Augen eines bestimmten Trägers zur Korrektion einer Fehlsichtigkeit des Trägers. Die ophthalmische Linse kann insbesondere ein Brillenglas sein. Die ophthalmische Linse kann auch eine Kontaktlinse oder eine intraokulare Linse sein.
Nachfolgend werden bevorzugte Ausführungsformen der vorliegenden Erfindung anhand begleitender Figuren beispielhaft beschrieben. Einzelelemente der beschriebenen Ausführungsformen sind nicht auf die jeweilige Ausführungsform beschränkt. Vielmehr können Elemente der Ausführungsformen beliebig miteinander kombiniert werden und neue Ausführungsformen dadurch erstellt werden. Es zeigen:
Fig. 1A bis 1C eine graphische Darstellung der mit Hilfe eines beispielhaften linearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 1 A), den zylindrischen Wert (Fig. 1 B) und die Glasdicke (Fig. 1 C) eines Brillenglases in Abhängigkeit von der Basiskurve des Brillenglases;
Fig. 2A bis 2C eine graphische Darstellung der mit Hilfe eines beispielhaften linearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 2A), den zylindrischen Wert (Fig. 2B) und die Glasdicke (Fig. 2C) eines Brillenglases in Abhängigkeit vom Sollwert der Sphäre eines Brillenglases;
Fig. 3A bis 3C eine graphische Darstellung der mit Hilfe eines beispielhaften linearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 3A), den zylindrischen Wert (Fig. 3B) und die Glasdicke (Fig. 3C) eines Brillenglases in Abhängigkeit vom Sollwert des Zylinders des Brillenglases;
Fig. 4A bis 4C eine graphische Darstellung der mit Hilfe eines beispielhaften linearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 4A), den zylindrischen Wert (Fig. 4B) und die Glasdicke (Fig. 4C) eines Brillenglases in Abhängigkeit vom Sollwert der Dicke des Brillenglases;
Fig. 5A bis 5C eine graphische Darstellung der mit Hilfe eines beispielhaften linearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 5A), den zylindrischen Wert (Fig. 5B) und die Glasdicke (Fig. 5C) eines Brillenglases in Abhängigkeit von der Vordezentrierung eines Brillenglases;
Fig. 6A bis 6C eine graphische Darstellung der mit Hilfe eines beispielhaften multilinearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 6A), den zylindrischen Wert (Fig. 6B) und die Glasdicke (Fig. 6C) eines Brillenglases; und
Fig. 7A bis 7C eine graphische Darstellung der mit Hilfe eines beispielhaften nichtlinearen Fertigungskorrekturmodells vorhergesagten Fertigungskorrekturen für den sphärischen Wert (Fig. 7A), den zylindrischen Wert (Fig. 7B) und die Glasdicke (Fig. 7C) eines Brillenglases.
Nachfolgend werden beispielhafte Fertigungskorrekturmodelle und die darauf basierenden vorhergesagten Fertigungskorrekturen für den sphärischen Wert und den zylindrischen Wert sowie für die Glasdicke eines nicht prismatischen Einstärkenglases aus einem vorgegebenen Material beschrieben.
In den nachfolgenden Beispielen sind die Definitionsparameter besonders vorteilhafte Parameter, die die Vorder- und Rückfläche des berechneten Brillenglases sowie die Lage und Orientierung der beiden Flächen zueinander und die Blankgeometrie beschreiben. Insbesondere sind als Definitionsparameter die Krümmung der Basiskurve in dpt ("BK"), die Hauptkrümmungen der Rückfläche (beschrieben durch den Sollwert für die Sphäre in dpt ("sphSoll" beziehungsweise "sollSph" und den Sollwert für den Zylinder in dpt ( "cylSoll" beziehungsweise "sollCyl" ), die Vordezentration in mm ("vordez") und die Dicke in mm ("dickSoll" beziehungsweise "sollDick") des Brillenglases gegeben. Die vorherzusagenden Fertigungskorrekturen sind die Abweichung in dpt ("sph") des sphärischen Messwerts von dem sphärischen Sollwert ("sphSoll" beziehungsweise "sollSph"), die Abweichung in dpt ("cyl") des zylindrischen Messwerts von dem zylindrischen Sollwert ("cylSoll" beziehungseise "sollCyl") sowie die Abweichung in mm der gemessenen Glasdicke ("dick") der Linse von dem Sollwert für die Glasdicke ("dickSoll" beziehungsweise "sollDick").
Die Fertigungskorrekturmodelle wurden anhand von einem Trainingsdatensatz umfassend ca. 34000 Datensätze trainiert beziehungsweise statistisch ermittelt. Die mittels der trainierten Fertigungskorrekturmodelle erhaltenen Vorhersagen sind in den Figuren 1 A bis 7C dargestellt, wobei die Vorhersagen gegen die wahren Werte aus dem Trainingsdatensatz aufgetragen sind. Die "wahren Werte" sind die Fertigungskorrekturen aus den Trainingsdaten, d.h. die Abweichungen der gemessen Werte von den entsprechenden Sollwerten. Zwecks besserer Übersichtlichkeit ist in den Figuren jeder 100. Datensatz dargestellt.
Lineare Regression
Figuren 1 bis 5 zeigen die vorhergesagten Fertigungskorrekturen, die mittels einer linearen Regression auf den Trainingsdatensatz bestimmt worden sind.
Dabei wurde für jede Vorhersagegröße ein eigenes Fertigungskorrekturmodell bestimmt, bei dem ein linearer Zusammenhang mit den Definitionsparametern berücksichtigt wurde: wobei: y£ den vorhergesagten Wert für die i-te Vorhersagegröße bezeichnet;
Xj den Wert der j-ten Definitionsparameter bezeichnet; atj und die Modellparameter bezeichnen; i G {sph, cyl, dick} die i-te vorhergesagte Größe bezeichnet; und j G {BK, sollSph, sollCyl, sollDick, vordez} den j-ten Definitionsparameter bezeichnet.
Durch die verwendeten linearen Fertigungskorrekturmodelle sind die Varianzen der Fertigungskorrekturen nicht immer ausreichend vorhersagbar, nur für einzelne Modelle ist die Summe der quadratischen Fehler zwischen dem wahren Wert und der Vorhersage kleiner als die Varianz der Daten. Die Modelle mit größerem Bestimmungsmaß sind die sphärische Korrektur in Abhängigkeit von der Vordezentration mit einem Bestimmungsmaß von ca. 11%, die zylindrische Korrektur in Abhängigkeit des zylindrischen Sollwerts mit einem Bestimmungsmaß von ca. 2% und die Dickenkorrektur in Abhängigkeit der Vordezentration mit einem Bestimmungsmaß von ca. 1%.
Multilineare Regression:
Figuren 6A bis 6C zeigen die vorhergesagten Fertigungskorrekturen, die mittels einer multilinearen Regression auf den Trainingsdatensatz bestimmt worden sind.
Für jede Vorhersagegröße wird ein eigenes Fertigungskorrekturmodell bestimmt, wobei ein linearer Zusammenhang mit den Definitionsparametern berücksichtigt wird: wobei: yt den vorhergesagten Wert für die i-te Vorhersagegröße bezeichnet; Xj den Wert der j-ten Definitionsparameter bezeichnet; atj und ßi die Modellparameter bezeichnen; i e {sph, cyl, dick} die i-te vorhergesagte Größe bezeichnet; j e {BK, sollSph, sollCyl, sollDick, vordez} den j-ten Definitionsparameter bezeichnet.
Durch die multilinearen Fertigungskorrekturmodelle sind die Varianzen der Daten nicht immer vollständig vorhersagbar, die Summe der quadratischen Fehler zwischen dem wahren Wert und der Vorhersage ist jedoch kleiner als die Varianz der Daten, sodass das Bestimmungsmaß für die Vorhersage der sphärischen Korrektur ca. 1 1 % sowie für die Vorhersagen der zylindrischen Korrektur ca. 3% und der Dickenkorrektur ca. 2% ist.
Nichtlineares Modell:
Figuren 7A bis 7C zeigen die vorhergesagten Fertigungskorrekturen, die mittels nichtlinearer Modelle bestimmt worden sind.
Für jede Vorhersagegröße wird ein eigenes Fertigungskorrekturmodell bestimmt, wobei ein nichtlinearer Zusammenhang mit den Definitionsparametern berücksichtigt wurde. Jedes Fertigungskorrekturmodell ist ein neuronales Netz mit 5 vollverbunden Schichten mit jeweils 5 Neuronen und einer Ausgabeschicht mit einem Neuron.
Durch die Nichtlinearitäten kann das Bestimmungsmaß für alle Vorhersagen erhöht werden. Besonders für die zylindrische Korrektur kann von dem multilinearen zum nichtlinearen Modell eine Erhöhung des Bestimmungsmaß von ca. 3% auf ca. 14% erzielt werden.
Für die sphärische Korrektur kann eine Erhöhung des Bestimmungsmaß von ca. 1 1 % auf ca. 15% erzielt werden. Für die Dickenkorrektur kann eine Erhöhung des Bestimmungsmaß von ca. 2% auf 4% erzielt werden.
Um die Genauigkeit der Vorhersage zu erhöhen, können größere Trainingsdatensätze verwendet werden. Ebenfalls ist es möglich, zusätzliche Definitionsparameter und deren Varianzen zu berücksichtigen.
Vorstehend wurden bevorzugte Ausführungsvarianten der Erfindung anhand von Beispielen beschrieben. Einzelelemente der beschriebenen Ausführungsvarianten sind nicht auf die jeweilige Ausführungsvariante beschränkt. Vielmehr können Elemente der Ausführungsvarianten beliebig miteinander kombiniert werden und neue Ausführungsvarianten dadurch erstellt werden. Ferner können einzelne Merkmale abgeändert werden.
Beispielsweise können andere geeignete statistische Modelle, eine andere Anzahl von Modellparametern, größere oder kleinere Trainingsdatensätze, andere Darstellungen der Fertigungskorrekturen oder der zu fertigenden Fläche, andere Definitionsparameter, Zielfunktionen und/oder Optimierungsverfahren verwendet werden.

Claims

Patentansprüche
1. Computerimplementiertes Verfahren zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen umfassend:
Bereitstellen von zumindest einem durch Modellparameter parametrisierten, nicht trainierten Fertigungskorrekturmodell, wobei das Fertigungskorrekturmodell eine Abbildung ist, die - bei gegebenen Werten der Modellparameter - jedem Element einer ausgewählten Definitionsmenge mindestens einen Teil von Fertigungskorrekturen zuordnet;
Bereitstellen eines Trainingsdatensatzes umfassend eine erste Definitionsmenge und Fertigungskorrekturen, welche der ersten Definitionsmenge zugeordnet sind; und
Trainieren des bereitgestellten Fertigungskorrekturmodells unter Verwendung des bereitgestellten Trainingsdatensatzes; wobei: die Definitionsmenge eine Vielzahl von Definitionsparametern und deren Varianz umfasst; die Definitionsparameter Parameter sind, welche eine herzustellende Linse und/oder deren Herstellungsprozess charakterisieren; und die Fertigungskorrekturen Korrekturparameter zur Beschreibung einer globalen und/oder lokalen Änderung zumindest einer zur fertigenden Fläche einer ophthalmischen Linse umfassen.
2. Computerimplementiertes Verfahren nach Anspruch 1 , wobei das Fertigungskorrekturmodell ein lineares, multilineares oder ein nicht lineares Regressionsmodell ist oder eins solches Modell umfasst; und/oder ein Klassifikationsmodell ist oder ein Klassifikationsmodell Modell umfasst; und/oder zumindest ein neuronales Netz ist oder zumindest ein neuronales Netz umfasst.
3. Computerimplementiertes Verfahren nach einem der vorangegangenen Ansprüche, wobei die Definitionsparameter zumindest einen der folgenden Parameter umfassen:
Geometrie der Vorderfläche und/oder der Rückfläche der ophthalmischen Linse; und/oder
Lage und/oder Orientierung der Vorderfläche und der Rückfläche der ophthalmischen Linse zueinander; und/oder
Blankparameter umfassend Blankgeometrie, Material und/oder Qualität; und/oder
Eigenschaften zumindest einer für die Herstellung verwendeten Maschine und/oder zumindest eines für die Herstellung verwendeten Werkzeugs.
4. Computerimplementiertes Verfahren nach einem der vorangegangenen Ansprüche, wobei die Eigenschaften zumindest einer für die Herstellung verwendeten Maschine und/oder zumindest eines für die Herstellung verwendeten Werkzeugs
Dauer der Benutzung der Maschine und/oder des Werkzeugs; und/oder
Steuerungsparameter der zumindest einen verwendeten Maschine umfassen.
5. Computerimplementiertes Verfahren nach einem der vorangegangenen Ansprüche, wobei die Definitionsparameter:
Umweltfaktoren in der Fertigung; und/oder
Bestelldaten für die ophthalmische Linse und/oder daraus abgeleitete Größen umfassen.
6. Computerimplementiertes Verfahren nach einem der vorangegangenen Ansprüche, wobei die Modellparameter Hyperparameter umfassen und wobei das Verfahren ferner umfasst:
Bereitstellen eines Validierungsdatensatzes umfassend eine zweite
Definitionsmenge und der zweiten Definitionsmenge zugeordnete Fertigungskorrekturen; und
Bestimmen von Werten für die Hyperparameter des trainierten Fertigungskorrekturmodells mittels eines statistischen Verfahrens unter Verwendung des bereitgestellten Validierungsdatensatzes.
7. Computerimplementiertes Verfahren nach einem der vorangegangenen Ansprüche, ferner umfassend:
Bereitstellen eines Testdatensatzes umfassend eine dritte Definitionsmenge und der dritten Definitionsmenge zugeordnete Fertigungskorrekturen; und
Testen der Vorhersagekraft des trainierten und optional validierten Fertigungskorrekturmodells mit Hilfe des Testdatensatzes.
8. Speichervorrichtung, welche ein nach dem Verfahren gemäß einem der Ansprüche 1 bis 7 bestimmtes Fertigungskorrekturmodell speichert.
9. Computerimplementiertes Verfahren zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche einer ophthalmischen Linse, umfassend:
Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Bereitstellen eines Fertigungskorrekturmodells, das mittels des Verfahrens gemäß einem der vorangegangenen Ansprüche bestimmt worden ist;
Bestimmen der Fertigungskorrektur für die zumindest eine zu fertigende Fläche der ophthalmischen Linse mit Hilfe des Fertigungskorrekturmodells und anhand zumindest eines Teils der bereitgestellten Linsenparameter, wobei die Fertigungskorrektur Korrekturparameter zur Beschreibung einer globalen und/oder lokalen Änderung der zumindest einen zur fertigenden Fläche der ophthalmischen Linse umfasst.
10. Computerprogrammprodukt, welches, wenn es in den Speicher eines Computers geladen und auf diesem ausgeführt wird, bewirkt, dass der Computer ein Verfahren nach einem der Ansprüche 1 bis 7 oder 9 durchführt.
1 1. Vorrichtung zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen, wobei die Vorrichtung eine Rechenvorrichtung umfasst, welche ausgebildet ist, das Verfahren nach einem der Ansprüche 1 bis 7 durchzuführen.
12. Vorrichtung zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche einer ophthalmischen Linse, wobei die Vorrichtung eine Rechenvorrichtung umfasst, welche ausgebildet ist, das Verfahren nach dem Anspruch 9 durchzuführen.
13. Verfahren zum Herstellen einer ophthalmischen Linse umfassend: Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Bestimmen einer zu fertigenden Fläche der ophthalmischen Linsen anhand zumindest eines Teils der Linsenparameter;
Bestimmen einer Fertigungskorrektur für die zumindest eine zu fertigende Fläche der ophthalmischen Linse nach dem Verfahren gemäß Anspruch 9;
Bestimmen einer korrigierten Fläche anhand der ermittelten Fertigungskorrektur durch eine Kombination der bestimmten Fertigungskorrektur mit der zu fertigenden Fläche; und
Fertigen der ophthalmischen Linse mit der korrigierten Fläche.
14. Vorrichtung zum Herstellen einer ophthalmischen Linse umfassend: eine Linsenparameterbereitstellungseinrichtung zum Bereitstellen von Linsenparametern, wobei die Linsenparameter die herzustellende Linse und/oder deren Herstellungsprozess charakterisieren;
Flächenbestimmungseinrichtung zum Bestimmen einer ersten zu fertigenden Fläche der ophthalmischen Linsen anhand zumindest eines Teils der Linsenparameter; und eine Vorrichtung zum Bestimmen einer Fertigungskorrektur für zumindest eine zu fertigende Fläche gemäß Anspruch 12, wobei die Flächenbestimmungseinrichtung ferner ausgebildet ist, eine zweite korrigierte Fläche anhand der ermittelten Fertigungskorrektur durch eine Kombination der bestimmten Fertigungskorrektur mit der ersten Fläche zu
EP23700276.1A 2022-01-17 2023-01-12 Verfahren zur verbesserten bestimmung der fertigungskorrekturen Pending EP4466627A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022200462.0A DE102022200462B3 (de) 2022-01-17 2022-01-17 Computerimplementiertes Verfahren zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen, Speichervorrichtung, Computerprogrammprodukt, Verfahren sowie Vorrichtung
PCT/EP2023/050604 WO2023135194A1 (de) 2022-01-17 2023-01-12 Verfahren zur verbesserten bestimmung der fertigungskorrekturen

Publications (1)

Publication Number Publication Date
EP4466627A1 true EP4466627A1 (de) 2024-11-27

Family

ID=84981755

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23700276.1A Pending EP4466627A1 (de) 2022-01-17 2023-01-12 Verfahren zur verbesserten bestimmung der fertigungskorrekturen

Country Status (3)

Country Link
EP (1) EP4466627A1 (de)
DE (1) DE102022200462B3 (de)
WO (1) WO2023135194A1 (de)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2891568C (en) 2012-11-14 2021-11-02 Essilor International(Compagnie Generale D'optique) Method for determining the feasibility of an ophthalmic lens
MX347526B (es) 2012-11-14 2017-04-27 Essilor Int Metodo para determinar los parametros opticos de una lente oftalmica.
EP3881129B1 (de) * 2018-11-15 2025-08-20 Essilor International Verfahren und system zur bestimmung von parametern, die zur herstellung eines optischen artikels verwendet werden, und zugehöriger optischer artikel
DE102020004840A1 (de) 2020-08-07 2022-02-10 Rodenstock Gmbh Verbesserte Berechnung ophthalmischer Linsen

Also Published As

Publication number Publication date
DE102022200462B3 (de) 2023-03-30
WO2023135194A1 (de) 2023-07-20

Similar Documents

Publication Publication Date Title
EP2263114B1 (de) Umskalierung des sollastigmatismus für andere additionen
DE69938027T9 (de) Torische ophthalmische Linsen
EP2389610B1 (de) Variables gleitsichtglasdesign
WO2022029150A1 (de) Verbesserte berechnung ophthalmischer linsen
DE102009005214A1 (de) Automatische Gleitsichtglasdesignmodifikation
DE102012000390A1 (de) Brillenglasoptimierung mit individuellem Augenmodell
DE102018001028B4 (de) Numerische Steuerung
EP2767862B1 (de) Verordnungs- und individualisierungsabhängige anpassung der objektabstandsfunktion an veränderte objektabstände für die nähe und/oder ferne
EP2710428B1 (de) Verfahren zur berechnung und optimierung eines brillenglases unter berücksichtigung von abbildungsfehlern höherer ordnung
EP3669230B1 (de) Optimierung eines brillenglases unter berücksichtigung eines visusmodells
DE10122707A1 (de) Verfahren zum Entwurf und zur Herstellung eines Einstärken-Brillenglases und Herstellsystem
WO2019185770A1 (de) Angleich der subjektiven und objektiven refraktionen
DE102022200462B3 (de) Computerimplementiertes Verfahren zum Bestimmen eines Fertigungskorrekturmodells für die Herstellung von ophthalmischen Linsen, Speichervorrichtung, Computerprogrammprodukt, Verfahren sowie Vorrichtung
DE102020128958B4 (de) Verfahren zum Bestimmen eines Brillenglases, Vorrichtung zum Bestimmen von individuellen biometrischen Daten sowie Vorrichtung zum Herstellen eines Brillenglases
DE102021119992B3 (de) Datengetriebenes Verfahren zum Regeln einer Fertigungsmaschine, Prozessor und zweiter Rechner, Computerprogramm
DE102021000451A1 (de) System und Verfahren fur die Bestelleingangsverarbeitung und Fertigung von Brillengläsern
WO2022096476A1 (de) Verfahren und vorrichtung zur beschleunigten wellenfrontdurchrechnung durch ein komplexes optisches system
DE112009005232T5 (de) Intelligente Vorrichtung und Verfahren zur Kompensation des Werkzeugschieberdurchgangs beiWerkzeugmaschinen
DE102017118219B4 (de) Computerimplementiertes Verfahren zum Erstellen eines Zieldesigns für die Optimierung einer Freiformfläche eines Brillenglases, Computerprogramm, Speichermedium, Computer sowie Vorrichtung
DE102020128951B4 (de) Verfahren zum Herstellen eines Brillenglases, Computerprogrammprodukt und Vorrichtung zum Bestimmen zumindest eines individuellen biometrischen Parameters
EP3740814B1 (de) Gleitsicht-brillenglas mit variablem brechungsindex und verfahren zu dessen entwurf und herstellung
DE102020008145A1 (de) Verfahren und Vorrichtung zur beschleunigten Wellenfrontdurchrechnung durch ein komplexes optisches System

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

TPAC Observations filed by third parties

Free format text: ORIGINAL CODE: EPIDOSNTIPA

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20240725

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)