眼底照相是获取眼部图像的主要技术之一。利用眼底相机对视网膜病变区域进行拍摄可以获得清晰的图像，从获取的图像中能够直接观察到眼球中的渗出物、出血点和微血管瘤，根据检测出的病灶类型、数量和位置等信息可进行糖尿病视网膜病变分类。基于此，本文利用深度神经网络对糖尿病视网膜病变进行自动分类识别，提出了一种体系结构简单、在通用设备上运行速度快的卷积神经网络CA-RepVGG(CA代表Channel Attention，RepVGG为现有模块)。利用单路极简结构的RepVGG模块替代复杂的可使用性较差的模块作为分类模型的主体部位，并选用高效通道注意力机制ECA替代压缩注意力机制SE，以此来提升模型对病变分级的能力。此外，本文还将CA-RepVGG模型与传统的分类模型VGG-16、Inception-V3、ResNet-50和ResNext-50模型进行了比较。从比较结果可以看出，虽然CA-RepVGG模型的参数量最大，但由于其是单分支结构，且只有3×3卷积块，因此它的模型复杂度并不高，分类速度很快，比另外4个模型中分类速度最快的ResNet-50还高出15.3%。另外，利用两个混淆矩阵展示了所提模型的分类结果，其在两个数据集上的准确度都超过了92.4%，精确度不低于91.6%，灵敏度在93.8%以上。从实验结果可知，所提模型不仅可对糖尿病视网膜病变进行分类，而且相比其他现有模型具有一定的优越性。若将该模型应用在临床上，可以提高专业眼科医生在眼科疾病上的诊断效率。

设计了一种具有40°视场角的手持式免散瞳眼底照相机,可用来拍摄视网膜图像。相机光学系统由照明系统和成像系统组成,其中照明系统设有可见照明光源和红外对焦光源,采用红外光源对焦可以不用药物对眼睛进行散瞳处理。照明光源采用独特的环形LED,将环形LED光源成像于人眼的瞳孔之上,避免照射到角膜上发生反射作用。在成像系统中设置调焦镜,具备±15D的屈光度补偿功能。成像光学系统的点列图均方根值小于2.8 μm,场曲小于0.2 mm,畸变小于0.6%,在70 lp/mm处各视场处的调制传递函数均高于0.4。使用Zemax光学设计软件的成像模拟功能,在光学系统的像面上清晰地再现了原图。该相机可以应用于眼科医学行业,为疾病的预防和康复服务。

给出了一种新型眼底相机照明系统的设计方案。针对现行眼底相机照明系统复杂的问题，对经典的柯勒照明光路进行改良设计，得到了一个结构简单的眼底照明系统。结构中除网膜物镜外，只需用到4片透镜，且眼底照明区域直径连续可调，充分利用了光能。通过在照明光路中添加黑点板和环形光阑，屏蔽了系统99%以上的杂散光，使眼底相机成像画面的信噪比达到20 dB以上，提高了对比度。同时在Gullstrand_Le标准眼模型上，得到一个均匀度达95%以上的照明区域。

为实现免散瞳眼底相机在被观测眼底图像较暗情况下的精确调焦,提出了双光楔裂像调焦方法。采用该调焦方法,将一条矩形狭缝视标投影成像到视网膜上,在双光楔的作用下,通过矩形狭缝上下两半部的光线传播方向不同,根据上下两半条矩形狭缝在视网膜上所成像分离的方向和大小决定调焦的方向和调焦量的大小,将视网膜上两半条矩形狭缝像调焦到位于一条直线上。实验结果表明:相对于直接观测眼底细节进行调焦来说,双光楔裂像调焦方法能使调焦精度提高50度(0.5 m-1)以上。这种调焦方法具有精确度高、操作简单等优点。