針對傳統(tǒng)透射式光學系統(tǒng)初始結(jié)構(gòu)優(yōu)化設(shè)計效率低、結(jié)構(gòu)選取過度依賴經(jīng)驗等問題，提出了一種基于深度學習的透射式光學系統(tǒng)初始結(jié)構(gòu)自動優(yōu)化設(shè)計方法。通過監(jiān)督訓練學習公開光學鏡頭庫中參考鏡頭的結(jié)構(gòu)特征數(shù)據(jù)，構(gòu)建基于光線追跡的無監(jiān)督訓練模型，提升深度神經(jīng)網(wǎng)絡(luò)（DNN）模型的泛化能力。通過訓練生成的網(wǎng)絡(luò)模型輸出包含真實玻璃的光學系統(tǒng)的結(jié)構(gòu)參數(shù)，從而實現(xiàn)透射式光學系統(tǒng)初始結(jié)構(gòu)的自動優(yōu)化設(shè)計。設(shè)計結(jié)果表明：利用該網(wǎng)絡(luò)模型優(yōu)化設(shè)計的光學系統(tǒng)初始結(jié)構(gòu)在全視場、全譜段下的像面點斑半徑與參考鏡頭接近，并且能夠根據(jù)不同焦距要求分別設(shè)計出光學系統(tǒng)初始結(jié)構(gòu)；所設(shè)計的1×106組初始結(jié)構(gòu)的成功率優(yōu)于96.403%，表明所提網(wǎng)絡(luò)模型具有良好的泛化能力。
