近期，中國科學院上海光學精密機械研究所高功率激光物理聯合實驗室在利用深度學習對光損傷三維精確定位研究方面取得新進展，提出適用於衍射環檢測的神經網絡Diffraction-Net，實現對重疊率大於61%的衍射環識別，這是目前文獻報道的最好結果。相關成果於3月30日發表於《光學快訊》(Optics Express)。
光損傷是制約高功率激光系統輸出能力的重要瓶頸，對其在光路以及誘發下游光學元器件損傷位置的精確預判分析，是提高激光系統安全性、節約運行成本的重要手段。
該項研究中，基於神經網絡可以更加快速和準確地表示一些非線性物理效應，研究團隊將深度學習這一前沿技術有機融合到高功率激光系統中，
首先利用計算全息的概念，通過數值反演缺陷點調製產生的衍射圖像（圖1），實現微小光損傷的軸向精確定位。然後結合衍射環的梯度方向特徵，創新性提出適用於衍射環檢測的神經網絡Diffraction-Net（圖2），實現對重疊率大於61%的衍射環識別，有效提高了損傷點的橫向分辨率。這是目前文獻報道的最好結果。此外，利用該方法，在級聯光學元器件中對8μm量級的微小光損傷三維定位精度進行了實驗驗證，實際獲得了橫向定位誤差小於38.5μm和軸向定位誤差小於2.85mm的結果。理論分析與實驗結果充分證明該方法在光損傷三維精確定位與預判中的可行性（圖3），該方法在激光時空精確調控等方面具有潛在應用前景，並得到審稿人的高度評價：“This is a remarkable work”。
圖1 基於衍射圖像對光損傷定位與預判的原理示意圖
圖2 提出的神經網絡Diffraciton-Net結構圖
圖3 光損傷精確定位實驗驗證結果
分享到:
閱讀更多 中科院上海光機所 的文章
