作者：Fatiha Anouar 博士  Innovations Foresight LLC联合创始人兼首席人工智能官

          Gaston Baudat博士  Innovations Foresight LLC 联合创始人，亚利桑那大学 Wyant 光学科学学院兼职教授

图1. 基于人工智能的图像空间波前传感。

波前传感是现代光学计量、自适应光学和光学装调系统中的关键组成部分。Shack-Hartmann传感器和干涉测量系统等传统方法可提供高性能的波前测量，但通常需要专用硬件、精心装调以及更高的系统复杂性。随着光学系统对更快测量速率和更灵活部署的需求不断增加，计算波前传感方法正变得日益具有吸引力。

我们的图像空间波前传感方法基于机器学习（ML）驱动的离焦图像重建，因为我们已证明，使用标准成像硬件即可实现准确的波前估计，从而降低硬件复杂性并支持实时操作。与需要专用波前传感硬件的传统架构不同，我们的方法直接基于标准成像数据运行，仅通过计算分析即可实现波前重建。这种单图像波前传感方法简化了光学集成，同时保持实用的波前重建能力。

首先，我们的方法采集一张照明待测光学元件的光源的离焦图像。然后，基于ML的重建流程直接从图像空间信息中估计波前，并生成泽尼克系数、二维和三维波前图、点扩散函数分析、调制传递函数（MTF）估计以及光学像差指标等输出。

由于该方法直接基于成像数据运行，因此可集成到各种光学配置中，无需专用波前传感硬件（见图1）。

与传统方法的基准对比

为评估准确性和可重复性，我们将该方法与干涉测量和Shack-Hartmann波前传感系统进行了基准对比。¹

对比结果表明，重建波前与传统干涉测量和Shack-Hartmann计量系统获得的测量结果具有良好的一致性。除了在主要像差项、泽尼克系数和整体波前结构上匹配之外，我们的计算图像空间方法在使用标准成像硬件的条件下，在不同的光学条件下均表现出稳定且可重复的重建性能。

类似对比在多种光学配置和实验装置中重复进行，持续证实了计算重建方法的有效性和可重复性（见图2）。结果表明，计算波前传感能够提供实用的波前估计性能，同时显著降低硬件复杂性和装调要求。

图2. 计算图像空间波前传感与传统基于硬件方法之间的实际差异总结。

我们的方法也已在天文学家中实际运行使用了数年，用于支持真实观测条件下的望远镜装调和光学性能评估——这表明该方法不仅在实验室环境中有效，在视宁度条件（地球大气稳定性）影响下的实际现场应用中同样有效。

除准确性外，计算架构相比传统波前传感方法还具有若干实际优势，包括降低硬件复杂性、提高抗振动鲁棒性、高动态范围操作、简化系统集成，以及能够在单次测量中进行全视场像差分析。

实时自适应光学操作

该方法最重要的演示之一是在高达2 kHz频率下的实时自适应光学操作。²⁻⁴ 在该实现中，计算波前重建引擎直接在自适应光学控制环内运行，实现对动态光学环境的高速波前估计和校正。

这些结果表明，计算图像空间波前传感不仅限于静态或离线计量应用，还能支持传统上由专用硬件波前传感器主导的实时自适应光学操作。在仅依赖标准成像硬件的情况下实现千赫兹速率的波前重建能力，凸显了计算传感架构在自适应光学、天文仪器和其他高速光学控制应用中的潜力。

与光学计量工作流程的集成

通过Innovations Foresight开发的AI4Wave和SkyWave软件平台，我们的计算波前传感框架已集成到一系列实际光学计量工作流程中。由于该方法主要依赖图像空间信息而非专用波前传感硬件，因此可适用于各种光学配置和成像系统。

该方法已应用于光学装调、波前计量、自适应光学、光学测试、望远镜性能评估以及基于自准直仪的光学装置，涵盖实验室和现场成像配置。更广泛地说，该框架可集成到从待测光路中可获取离焦成像数据的系统中，从而在无需对现有光学配置进行重大改造的情况下实现波前重建。

一个实际应用是将AI4Wave与Optical Perspectives Group的点源显微镜（PSM）集成，将系统从装调功能扩展到波前计量和光学性能分析。⁵

迈向计算光学计量

计算波前重建方法的日益成熟为光学计量、自适应光学和光学仪器领域开辟了新的可能性。通过将部分传感架构从专用硬件转移到计算图像重建，这些方法可以降低系统复杂性，并扩大在传统波前传感硬件难以集成、对振动敏感、成本过高或不便于操作的环境中的部署灵活性。⁶

与依赖专用光学元件的传统波前传感架构不同，计算图像空间波前传感可以利用现有成像硬件和标准光学配置，直接从离焦图像中提取波前信息。这为研究、工业和天文应用中更紧凑、可扩展且可现场部署的光学系统创造了机会。

随着光学系统不断向更快、软件定义和更集成化的架构发展，计算图像空间波前传感代表了下一代光学计量和自适应光学仪器的一个有前途的方向。

参考文献

1. G. Baudat and J. B. Hayes, Proc. SPIE, 11490, 114900U (Aug. 21, 2020); https://doi.org/10.1117/12.2568018.

2. G. Baudat, D. Lavanchy, and G. Müller, Proc. SPIE, 13373, 133730G (2025); https://doi.org/10.1117/12.3043339.

3. G. Baudat et al., SPIE Astronomical Telescopes + Instrumentation (Jul. 6, 2026).

4. See www.innovationsforesight.com/Wavefront/SubMillisecondAI4Wave_Wavefront_Sensing_1080pHD.mp4.

5. See https://youtu.be/mIlzEisrEMc.

6. G. Baudat and R. E. Parks, Opt. Eng., 64, 4, 044101 (Apr. 2025); https://doi.org/10.1117/1.oe.64.4.044101.