一个基于 C++/Qt 和 OpenCV 的智能物理实验辅助系统，旨在通过计算机视觉技术简化菲涅尔双棱镜干涉实验的操作，并提高测量精度。
菲涅尔双棱镜干涉是分波面干涉的经典范例，它深刻地验证了光的波动性，并推动了现代干涉测量技术的发展。从LIGO引力波探测器的精密调节到双棱镜摄谱仪的环境监测，其核心原理至今仍在前沿科学中扮演重要角色。
然而，作为大学物理实验的重要组成部分，菲涅尔双棱镜干涉实验因其操作的复杂性未能在各高校广泛普及。
传统的菲涅尔双棱镜干涉实验面临三大挑战：
- 光路调节困难：光学元件（狭缝、双棱镜）需严格共轴等高，微小偏差（>0.5mm）即会导致干涉条纹质量下降甚至消失，调节过程耗时且繁琐。
- 测量精度受限：
- 虚光源间距 (d)：采用共轭成像法测量，易受透镜像散和焦平面判断不准的影响。
- 干涉条纹间距 (Δx)：依赖测微目镜读数，存在空程误差和主观判读偏差。
- 环境干扰敏感：机械振动、气流扰动等环境因素会引起条纹漂移，影响测量稳定性。
- 操作风险：长时间的调节和读数过程可能对实验者的眼睛造成激光损伤。
为解决上述难题，本项目开发了一套基于 C++/Qt 和 OpenCV 的AI辅助菲涅尔双棱镜干涉实验软件系统。该系统利用工业相机实时捕捉光路图像，通过集成的计算机视觉算法，实现对实验全流程的智能化辅助。
系统通过图像预处理、特征提取、轮廓分析和几何计算等一系列经典计算机视觉技术，实时分析激光光斑位置和干涉条纹特征，从而实现：
- 光路调节的实时引导
- 干涉条纹间距的自动测量
- 虚光源间距的精确计算
- 实验数据和误差的可视化分析
AI辅助双棱镜干涉实验流程示意图
- 智能光路校准：通过OpenCV实时检测光斑的几何中心，并显示其运动轨迹，引导用户快速完成激光器、扩束镜、狭缝和双棱镜的共轴调节。
- 自动条纹间距测量 (Δx)：系统自动识别干涉区域，对图像进行灰度化、滤波和二值化处理，再通过峰值检测或边缘检测算法精确定位每一级条纹的中心，最终计算出平均条纹间距。
- 自动虚光源间距测量 (d)：在共轭成像法中，系统能自动捕捉并计算两次成像（大像和小像）的精确间距，消除人工读数误差，计算出虚光源间距d。
- 数据处理与可视化：自动计算波长并进行不确定度分析。将AI辅助测量与人工测量的数据进行多维度对比，通过图表（如箱线图、折线图、小提琴图）直观展示，便于快速评估与分析。
| 光路调节辅助 | 条纹间距自动分析 |
 |
 |
| 虚光源间距测量（大像） | 虚光源间距测量（小像） |
 |
 |
- 核心语言:
C++17 - 图形用户界面 (GUI):
Qt 5 - 计算机视觉:
OpenCV 4 - 构建系统:
CMake
请确保您已安装 C++ 编译器 (GCC/MSVC), Qt5, OpenCV 和 CMake。
# 1. 克隆仓库
git clone https://your-repository-url/FresnelInterference.git
cd FresnelInterference
# 2. 创建并进入build目录
mkdir build && cd build
# 3. 使用CMake配置项目
# 请根据您的系统环境指定Qt和OpenCV的路径
# 例如: cmake .. -DCMAKE_PREFIX_PATH="/path/to/qt;/path/to/opencv"
cmake ..
# 4. 编译
make -j$(nproc)
# 5. 运行程序
./bin/main实验数据表明，本AI辅助方案在测量精度上显著优于传统人工方法。
| 对比项 | 人工测量 | AI辅助测量 | 提升效果 |
|---|---|---|---|
| 波长测量不确定度 | 8.2 nm | 1.8 nm | 减小了 78% |
| 相对误差 | 1.28% | 0.28% | 降低了 78% |
| 稳定性 | 波动较大 | 高度集中 | 稳定性显著提升 |
AI辅助测量（左）与人工测量（右）的相对误差箱线图对比
- 高效的光路调节辅助：将传统上凭经验、费时费力的光路调节过程，转变为一个由视觉算法实时反馈、数据驱动的精确校准过程。
- 高精度的自动测量：用计算机视觉算法替代了人工读数，彻底消除了主观判断误差和仪器空程误差，极大地提升了干涉条纹和虚光源间距的测量精度和速度。
- 集成化的数据分析：软件内建了完整的数据处理和可视化模块，实现了从数据采集到结果分析的无缝衔接，减少了人为计算错误，提升了科研效率。
本项目采用 MIT License 开源。