买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春长光奥闰光电科技有限公司申请的专利基于深度学习混合模型的自适应光学系统波前恢复方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121348562B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511902031.0，技术领域涉及：G02B27/00；该发明授权基于深度学习混合模型的自适应光学系统波前恢复方法是由傅星鑫;曹景太;张恒设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本基于深度学习混合模型的自适应光学系统波前恢复方法在说明书摘要公布了：本发明涉及无波前传感自适应光学系统技术领域，为了解决现有算法实时性不足、强湍流下鲁棒性不佳以及Zernike系数符号模糊的技术问题，提出基于深度学习混合模型的自适应光学系统波前恢复方法，通过将湍流退化PSF图像输入深度学习混合模型实现特征提取、抽象与全局化处理，输出Zernike系数对其进行符号恢复并优化，通过学习湍流退化的PSF与波前之间的非线性映射关系，避免了现有方法中的迭代优化步骤，提高了波前恢复的实时性和稳定性。

本发明授权基于深度学习混合模型的自适应光学系统波前恢复方法在权利要求书中公布了：1.基于深度学习混合模型的自适应光学系统波前恢复方法，其特征在于，包括如下步骤： S1、获取湍流退化PSF图像并进行数据预处理； S2、构建深度学习混合模型，将湍流退化PSF图像输入到所述深度学习混合模型，用于实现特征提取、抽象与全局化处理；深度学习混合模型为CNN-Transformer模型，其中CNN用于从输入的PSF图像中提取局部空间特征，Transformer用于建模PSF图像中的长程依赖关系和全局上下文信息，输出Zernike系数； S3、对Zernike系数符号恢复并优化后输出， 损失函数采用加权均方误差进行恢复： 其中和分别表示第b个样本中第i个Zernike模态的真实值与预测值，B为批次大小，权重wi=，N为Zernike系数的项数； Zernike系数预测精度通过绝对误差低于决策阈值τ的系数比例进行量化： ，其中1·为指示函数； 所述CNN-Transformer模型具体采用五阶段混合架构，S0阶段通过卷积层降低空间分辨率并扩展特征通道，生成高效的低级表示；S1阶段由MBConv模块与SE模块构成，实现局部特征提取与自适应通道重校准；S2阶段引入下采样MBConv层，在压缩空间维度的同时增强抽象能力；自S3阶段起，卷积操作被TransformerBlock2D模块替代，该模块融合MHSA与二维相对位置偏置，捕捉瞳孔平面上的长程空间关联；S4阶段通过深度Transformer层精炼全局表征，最终头部经全局均值池化后采用线性回归聚合特征，输出Zernike系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春长光奥闰光电科技有限公司，其通讯地址为：130000 吉林省长春市经济技术开发区自由大路7691号光电信息产业园2栋5楼南；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。