为了实现凹非球面的快速、高精度与通用化检测，文中提出了一种将非球面当做球面，直接采用干涉仪检测的非零位干涉检测方法，并结合相应的数据处理方法，获得非球面的面形误差检测结果。首先，介绍了该方法的检测原理，建立了回程误差、调整误差的计算与去除模型，研究了面形误差的数据处理方法。然后，以两个不同非球面度的凹非球面为例，对其回程误差和调整误差进行了仿真计算，验证了该方法的有效性。最后，搭建了凹非球面的非零位检测实验装置，成功测量得到其面形误差。通过与自准直零位检测法或LUPHOScan轮廓测量法检测结果对比发现，两种方法测量得到的面形分布和评价指标具有高度一致性，验证了该检测方法的正确性。该检测方法在保证高精度测量的同时兼备一定的通用性与便捷性，为凹非球面的通用化检测提供了一种有效手段。

衍射光学元件在光学系统中的应用越来越广泛，对衍射结构的加工质量提出了更高的要求。单点金刚石车削可直接加工出高精度衍射微结构表面，但衍射结构的位置误差和表面质量对其光学性能有较大影响。为了提高衍射光学元件的性能，需要精确控制其车削误差。基于此，分析了影响衍射元件加工质量的因素，建立了揭示位置误差、衍射面形状和刀具半径之间的关系的数学模型，揭示了衍射带位置精度影响规律。通过补偿加工提升基底表面质量来提高衍射曲面面形精度。结合仿真模型与粗糙度影响参数，指导车削刀具半径的选取。最后，基于仿真结果，选择半径为0.02 mm的半圆弧刀具加工，最终加工的衍射元件面形误差为292 nm，衍射环带位置误差最大为55 nm，高度误差最大为16 nm，粗糙度为5.6 nm。实验结果表明，该预测模型可以指导衍射光学元件高精度表面形貌的获取，有利于提高光学系统的成像质量，为高精度衍射光学元件的批量生产提供了技术支持，具有广泛的工程应用价值。

亚波长光栅结构表现出优异的陷波滤光特性, 其经典设计是设定亚波长的几何结构参数, 求解麦克斯韦方程组, 设定优化算法求解出最优解, 需要消耗大量的时间和计算资源。 提出一种基于深度学习的逆向设计方法, 搭建了可以同时实现正向模拟与逆向设计的串联神经网络。 基于python语言的Tensorflow库进行网络搭建; 优化均匀波导层的高度、 亚波长光栅的高度、 折射率、 周期以及占空比; 研究亚波长光栅在0.45~0.7 μm的陷波滤光特性。 采用严格耦合波分析(RCWA)数值模拟生成23 100组数据集, 在生成的数据集中随机选择18 480组数据作为训练集, 4 620组作为测试集, 并对不同的网络层数, 网络节点以及Batch_size进行了研究。 结果显示经过1 000次的迭代后, 当网络的模型结构为5×50×200×500×200×26, Batch_size大小为128时, 网络性能最佳。 相比独立的网络模型, 串联神经网络的正向模拟测试集损失率从0.033 63降到了0.004 5, 逆向设计的测试集损失率从0.702 98降到了0.052 98, 同时解决了由数据的非唯一性导致的网络逆向设计过程中无法收敛的问题。 在完成训练的网络中输入任意的光谱曲线, 网络平均在1.35 s内给出亚波长光栅的几何结构参数; 并与RCWA数值模拟曲线进行相关性分析, 曲线相似系数均大于0.658 1, 属于强相关。 另外, 设计红、 绿、 蓝三种颜色的陷波滤光片, 其峰值反射率分别可以达到98.91%, 99.98%和99.88%, 与传统方法相比, 该方法可以快速、 精确的求解出光栅的几何参数, 为亚波长光栅设计提供了新方法。