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！

龙图腾网恭喜长春理工大学申请的专利一种基于深度学习的偏振光学系统自动优化设计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：CN116009246B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310018740.7，技术领域涉及：G02B27/00；该发明授权一种基于深度学习的偏振光学系统自动优化设计方法是由史浩东;何春风;王稼禹;王超;付强;李英超;杨帅;战俊彤;刘嘉楠;孙洪宇设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本一种基于深度学习的偏振光学系统自动优化设计方法在说明书摘要公布了：一种基于深度学习的偏振光学系统自动优化设计方法，属于光学设计领域，为解决基于深度学习的光学设计中尚未考虑偏振像差影响的问题，生成归一化光学系统样本数据集；深度神经网络模型训练；网络输出结果标准化，将所建立的深度神经网络输出结果进行标准化处理，处理后输出为光学系统的曲率、厚度变量、光学玻璃折射率和阿贝数，其中曲率、玻璃折射率和阿贝数不变，只对原始厚度变量进行标准化。进行光线追迹计算无监督损失和标准化结果与标签数据计算监督损失；结合监督损失和监督损失；反向传播更像网络参数；判断迭代是否完成，如果迭代未完成则反复前面步骤直到迭代完成，如果迭代完成，则输入指标到深度神经网络，自动优化设计偏振光学系统。

本发明授权一种基于深度学习的偏振光学系统自动优化设计方法在权利要求书中公布了：1.基于深度学习的偏振光学系统自动优化设计方法，其特征是，该方法包括以下步骤：步骤1：生成归一化光学系统样本数据集；从公开镜头库中选取参考镜头，将参考镜头做归一化处理，并根据参考镜头的特征生成相应的特征数据作为光学系统样本数据集，该数据集中包含监督训练数据和无监督训练数据；步骤2：深度神经网络模型训练；根据归一化光学系统样本数据集中的特征数据和标签数据，建立相应的网络模型输入层和输出层，并构建相应的网络隐藏层，将归一化光学系统样本数据集输入到深度神经网络模型中进行计算；步骤3：网络输出结果标准化，将所建立的深度神经网络输出结果进行标准化处理，处理后输出为光学系统的曲率、厚度变量、光学玻璃折射率和阿贝数，其中曲率、玻璃折射率和阿贝数不变，只对原始厚度变量进行标准化；步骤4：进行光线追迹计算无监督损失和标准化结果与标签数据计算监督损失，将网络标准化后输出的结果进行光线追迹计算无监督损失，同时，标准化输出结果与标签数据计算监督损失，其中标签数据在步骤1中已生成；步骤5：结合监督损失和无监督损失，将监督损失和无监督损失进行一个加权相加，最后两者相加的结果作为本训练的损失；步骤6：反向传播更新网络参数，根据计算的损失对网络参数进行求导，然后计算更新前面所建立的深度神经网络参数；步骤7：判断迭代是否完成，训练前设计者设定相应的迭代次数，本方法设定的迭代次数为2万次，如果迭代未完成则反复进行步骤2、3、4、5、6、7直到迭代完成，如果迭代完成，则直接跳入到步骤8；步骤8：输入指标到深度神经网络，自动优化设计偏振光学系统，输入相应的孔径、视场、厚度和厚度范围参数到已经训练完成的深度神经网路中，网络将自动输出相应的偏振光学系统参数。

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理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186号；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”。