将图形用户界面（GUI）与机器学习相结合，建立一个完全自动化的系统，通过数字光处理（DLP）打印工艺高效地原型制作微透镜阵列

《Sensors and Actuators A: Physical》：Integrating GUI and Machine Learning to Establish An Fully Automated System for Highly Efficiently Prototyping Microflens Arrays with DLP Printing Process

　　

黄伟翰 | 康德天 | 苏定益 | 陈品川

台湾国立科学技术大学机械工程系，台北106

摘要

本研究开发了一种基于Python的用户友好型图形界面系统（数字掩模生成-图形用户界面，简称DMG-GUI），专门用于微透镜阵列（MLA）的设计和制造。该系统结合了灰度数字掩模生成、机器学习（ML）算法和数字光处理（DLP）技术，能够精确制造出各种尺寸的微透镜阵列。通过直观的图形用户界面（GUI），用户可以轻松配置设计参数，并根据需要快速修改掩模图案。此外，嵌入式人工神经网络（ANN）模型能够提供最优的工艺参数建议，显著提高制造效率和产品质量。本文深入探讨了该机器学习模型的构建和应用。实验结果表明，该系统操作简便，掩模生成速度快，大大简化了整体设计和制造流程。利用机器学习优化的工艺参数制造的微透镜具有高稳定性和优异的光学性能，满足了高精度光学应用的需求。总体而言，DMG-GUI系统成功地将图形用户界面与机器学习驱动的工艺优化相结合，不仅提高了微透镜阵列设计的效率，还展示了机器学习在微光学组件快速制造中的实际潜力。

引言

微透镜阵列（MLA）由微米级透镜元件组成，广泛应用于光束均匀化[1]、图像传感器[2]、[3]和有机发光二极管（OLED）显示器[4]中。通过在单一基底上集成不同焦距的透镜，MLA还能够实现三维（3D）成像应用，如光场技术[5]、裸眼3D显示器[6]和实时3D显微镜[7]。

传统的MLA制造方法，包括微铣削[8]和光刻蚀刻[9]，通常耗时较长、成本较高，且不适用于快速设计迭代。替代方法如热回流[10]、[11]、[12]、纳米压印[13]、微流控成型[14]、[15]、[16]和自组装[17]、[18]、[19]虽然提高了效率，但仍依赖于物理模具或掩模，限制了设计的灵活性。喷墨打印[20]、[21]虽然灵活性较强，但在流体控制方面存在挑战，且通常仅适用于亚100 μm的透镜。双光子聚合（TPP）[22]能够实现精确的三维微结构，但产量低且设备成本高。

增材制造（AM）技术，尤其是数字光处理（DLP）3D打印，已成为有前景的替代方案。例如，Yuan等人[23]利用机械振动减少阶梯效应并改善了表面质量，而Chen等人[24]使用散焦曝光技术制造了数值孔径（NA）为0.98的MLA。Assefa等人[25]利用干涉测量技术实现了亚微米级的精度。然而，精确的尺寸控制仍是一个挑战。Jacobs模型[26]提供了基于曝光能量预测固化层厚度的理论依据，但未考虑横向尺寸或灰度效应，而这些在单次曝光灰度打印中至关重要。最近的研究展示了机器学习（ML）在优化AM工艺中的潜力。Ness等人[27]使用极端随机森林（ERF）算法预测热行为，减少了有限元（FE）模拟的需求。Wang等人[28]采用随机森林（RF）确定最佳DLP打印参数，Xiong等人[29]利用人工神经网络（ANN）高精度预测键合应力。此外，基于图形用户界面（GUI）的系统在多个领域提升了可用性，包括水果质量评估[30]、AM工具路径规划[31]和电子显微镜数据分析[32]。

本研究提出了一种结合图形用户界面（GUI）的机器学习系统，以简化MLA的设计和制造流程。用户可以输入基本透镜参数，系统会自动生成灰度掩模图案并提供优化的曝光设置。该系统作为独立的Windows可执行文件编译，无需编程或计算机辅助设计（CAD）知识即可操作，简化了基于DLP的MLA制造的设计到制造流程。

章节片段

为了解决由于数字微镜装置（DMD）在投影过程中在印刷表面上产生的阶梯状结构，本研究采用了先前的研究方法，并采用了散焦技术[23]进行工艺优化。通过调整DLP系统内的投影镜头位置（FreEntity，台湾），引入了轻微的图像模糊，从而减轻了DMD内微镜间隙引起的阶梯状结构

机器学习模型的训练结果如图5(a)所示。从图中可以看出，训练和验证的MSE损失随训练迭代次数不断增加而持续下降，最终收敛到0.05以下。尽管训练过程中的验证误差有所波动，但整体趋势保持稳定，训练损失与验证损失之间的差距很小。这表明模型没有出现过拟合现象，表现出良好的泛化能力

本研究开发了一种用户友好的基于Python的DMG-GUI系统，用于微透镜阵列（MLA）的设计和制造。该系统集成了机器学习模型、灰度数字掩模生成技术和基于DLP的制造工艺，具有高度灵活性，能够快速制造出不同尺寸和设计参数的MLA。通过直观的图形用户界面，用户可以轻松设置参数并即时生成

黄伟翰：撰写——原始草稿，可视化，数据整理。陈品川：撰写——审阅与编辑，撰写——原始草稿，方法论，概念化。康德天：撰写——审阅与编辑，方法论。苏定益：数据整理，撰写——审阅与编辑。

在准备本工作时，作者使用了ChatGPT来提高可读性。使用该工具/服务后，作者根据需要对内容进行了审阅和编辑，并对出版物的内容负全责。

作者声明没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

本研究得到了国家科学技术委员会（NSTC 113-2221-E-011-074-）和台湾国立科学技术大学机械工程系的资助。

不存在需要声明的利益冲突。

黄伟翰于2025年7月毕业于台湾国立科学技术大学机械工程系，获得硕士学位。他的研究方向是微透镜阵列制造的优化，结合了机器学习和软件开发，用于先进的微光学组件制造。