一种基于异构模态自适应融合与增强的激光损伤在线检测方法

本发明涉及激光损伤在线检测，具体涉及一种基于异构模态自适应融合与增强的激光损伤在线检测方法。

背景技术：

1、随着高功率激光技术在惯性约束聚变、激光武器、先进制造和医疗等领域的高速发展，光学元件的抗激光诱导损伤阈值及其实际服役寿命已成为制约系统效能的核心瓶颈。激光诱导损伤多表现为元件表面或体内的微坑、裂纹扩展、熔融及伴生等离子体闪光等复杂形貌演变。一旦发生损伤，会迅速导致光束质量退化、能量损失，甚至引发连锁破坏，严重影响激光系统的安全性和寿命。因此，构建针对光学元件的实时、在线、高灵敏度损伤检测显得尤为重要，具有迫切的工程与科研价值。

2、现有的激光损伤评估手段多停留在离线检测范畴。常规流程需在激光系统停机后，使用光学显微镜、原子力显微镜、扫描电子显微镜或白光干涉仪对光学元件表面进行逐点扫描和人工判读。尽管该类方法可获取高空间分辨率的静态形貌，但存在显著局限性，首先，离线属性割裂了损伤演化与实验进程的连续性，停机排查不仅严重掣肘运行效率，更难以规避瞬态损伤引发的潜在风险；其次，人工识图主观依赖性强，针对亚微米至微米量级的早期微小损伤极易发生漏检；最后，离线检测本质上属于事后分析，无法反演损伤萌生与演化的动态时序特征，阻碍了对损伤诱导物理机制的深层次探究。

3、为实现在线检测，研究者们发展了多种基于光学成像或散射信号的在线监测技术。其中，暗场或散射光成像技术利用靶面采集激光辐照诱发的散射增强特征，虽具备一定实时成像能力，但该方案对照明场均匀性及光路同轴度要求极为苛刻。在面对表面微尘附着、环境杂散光等复杂工况时，系统信噪比急剧恶化，极易诱发虚警与漏警，且对早期微纳尺度损伤的响应灵敏度匮乏。另一类基于光电探测器的散射信号监测方案，通过解算特定波长探针光的后向或侧向散射强度畸变来反推损伤状态。该方案虽具响应延迟低、部署成本低的优势，然其所获取的单一模态时序电压信号在空间维度上存在本征信息缺失，无法表征损伤的精确坐标、形貌特征及严重层级；同时，该一维信号极易与光路漂移、探测器暗电流噪声及基线游走等干扰发生混叠，系统鲁棒性较差。

4、此外，传统图像对比算法也被广泛应用于激光损伤在线检测中。依托背景差分、帧间差分、模板匹配及硬阈值分割等图像处理范式，通过对比辐照前后的显微或散射图像特征实施损伤判别。此类浅层视觉算法虽算力开销低，但在复杂工程实践中暴露出显著局限性：首先，算法逻辑高度依赖环境约束，毫厘级的光路机械漂移或环境光扰动即可引发背景建模崩溃，致使误报激增；其次，对亚波长级微坑或浅表裂纹的特征表达能力孱弱，极易被表面污染或热致形变引入的纹理畸变所掩盖；再有，面对高噪背景下的多尺度损伤，传统图像算子缺乏高阶特征抽象与表征能力，泛化性不足，导致系统精确率与召回率断崖式下跌；最后，纯视觉处理框架无法与一维时序散射信号实现异构数据的有效融合，致使系统丧失对损伤瞬态演化动力学的捕捉能力，难以达成实质意义上的早期在线预警。

5、公开（公告）号为cn121994352a的中国发明专利提出了一种基于超表面的离轴光束质量检测方法。该专利主要利用离轴光束的波前畸变、能量分布均匀性和光束传输特性变化来间接判断光学元件的损伤状态。具体而言，该方法包括以下步骤：超表面在控制下移动到光束某一区域，对该微区光束施加离轴相位调制，使其偏转至检测光路；检测单元获取该微区光束的质量参数；随后超表面移至下一区域，重复上述过程；最终通过数据处理合成完整的光束质量二维分布图。该方法在一定程度上避免了直接对主激光光路进行干扰，具有非接触式测量的优点，适用于某些大口径光学系统的在线监测。然而，该技术仍存在明显局限性：一是高度依赖光束质量测量的精度，对光路对准和环境稳定性要求极高，任何机械振动或热漂移都易导致误判；二是仅能提供全局或宏观损伤指示，无法精确给出损伤的具体位置、坑深、裂纹走向等形态细节及严重程度；三是未引入多模态信息融合，对微小亚微米级早期损伤的敏感度不足，且计算复杂度较高，难以满足实际生产中嵌入式设备上的实时性需求。总体而言，该专利属于间接测量范畴，在精细化定位和早期预警能力上存在短板。

6、公开（公告）号为cn117078626a的中国发明专利提出了一种基于计算机视觉的激光损伤自动判断方法。该方法通过采集激光辐照前后的显微镜或散射图像，利用ssim算法计算图像结构、亮度和对比度的相似性得分，当相似度低于预设阈值时判定发生损伤。具体而言，该方法包括以下步骤：s1、采集待测元件的激光辐射前图像、激光辐射后图像，并对激光辐射前图像、激光辐射后图像进行预处理；s2、基于待测元件的可能损伤位置确定激光辐射前图像、激光辐射后图像中的感兴趣区域，并采用滑动窗口沿着激光辐射后图像中的感兴趣区域同步移动；s3、基于相似度测量模型计算各滑动窗口中对应的局部窗口图像之间的相似度指标；s4、将相似度指标输入分类器，根据分类器输出结果判断待测元件是否出现激光损伤。该方案实现简单、计算开销较低，在背景相对稳定的场景中能发挥一定作用，尤其适合静态对比分析。然而，其本质仍停留在传统图像处理层面，存在诸多工程痛点：一是对光照均匀性、光路对准漂移和环境噪声极为敏感，轻微背景变化即可引发大量误报；二是ssim算法对微小局部损伤不敏感，难以有效捕捉多尺度特征，在复杂纹理背景下漏检率较高；三是单一图像模态限制，无法与激光时序信号，尤其是基线电压显著下降这一关键物理特征进行互补融合，导致对损伤动态演化过程的响应滞后，早期预警能力薄弱。

技术实现思路

1、本发明为了解决以上问题，提出了一种基于异构模态自适应融合与增强的激光损伤在线检测方法。

2、本发明的技术方案是：一种基于异构模态自适应融合与增强的激光损伤在线检测方法包括以下步骤：

3、s1、采集双模态关联数据集；

4、s2、对双模态关联数据集进行双模态特征提取；

5、s3、对提取的特征进行维度对齐；

6、s4、根据维度对齐后的特征，进行特征校准和融合，得到最终融合特征；

7、s5、基于最终融合特征，对检测头进行训练，并利用训练后的检测头完成检测。

8、进一步地，双模态关联数据集包括原始电压时间序列和显微镜图像。

9、进一步地，s2包括以下子步骤：

10、s21、对原始电压时间序列进行实时平滑与下降增强处理，通过指数加权移动平均得到平滑电压序列：

11、s22、根据平滑电压序列，计算相对下降量；

12、s23、对相对下降量进行窗口统计归一化；

13、s24、将平滑电压序列、相对下降量和归一化后相对下降量沿通道维度拼接，得到输入张量：

14、s25、利用初始1d卷积层对输入张量进行处理，得到初步特征图；

15、s26、对初步特征图进行批次归一化，并施加silu激活函数，得到激活处理后的初步特征图；

16、s27、基于激活处理后的初步特征图，提取浅层特征映射、中间特征映射和深层特征映射；

17、s28、对深层特征映射进行全局平均池化，并通过卷积投影和拼接手工统计特征，得到全局增强特征，并根据全局增强特征得到最终深层特征；

18、s29、对显微镜图像进行下采样和初步特征提取，得到基础特征图；

19、s210、基于基础特征图，提取多尺度特征。

20、进一步地，平滑电压序列为：

21、；

22、其中，为平滑因子，为时间索引，为原始电压时间序列，为上一时刻平滑后的电压；

23、相对下降量为：

24、；

25、其中，为正常状态下的基线电压；

26、初步特征图为：

27、；

28、其中，为卷积核大小，为步长，为输出通道数，为初始1d卷积层操作，为输入张量；

29、对初步特征图进行批次归一化为：

30、；

31、其中，为进行批次归一化后的初步特征图，为通道索引，为当前批次该通道的均值和标准差，为当前批次该通道的均值和标准差，为可学习缩放参数，为可学习平移参数；

32、激活处理后的初步特征图为：

33、；

34、其中，e为指数，为sigmoid函数，为激活函数，为批次归一化后的初步特征图；

35、s210中，多尺度特征包括浅层高分辨率特征图、中间尺度特征图和深层低分辨率特征图；具体为：通过cbs模块和若干个c3k2残差块对基础特征图进行处理，得到浅层高分辨率特征图；通过下采样和若干个c3k2残差块对浅层高分辨率特征图进行处理，得到中间尺度特征图；通过下采样和若干个c3k2残差块，得到深层低分辨率特征图。

36、进一步地，s3包括以下子步骤：

37、s31、对浅层特征映射通过卷积进行通道数投影，以使通道数投影后的浅层特征映射与浅层高分辨率特征图的通道数相同，并调整序列长度，得到调整长度后的浅层特征；

38、s32、对调整长度后的浅层特征在空间维度上扩展，得到最终对齐后的信号特征；

39、s33、对中间特征映射通过卷积完成通道对齐，以使通道对齐后的中间特征映射与中间尺度特征图的通道数相同，并通过线性插值调整长度维度，得到调整长度后的中间特征；

40、s34、对调整长度后的中间特征在空间维度上扩展，得到与图像维度对齐的特征；

41、s35、对深层特征映射进行全局平均池化，得到固定长度向量：

42、s36、根据固定长度向量，得到全局增强特征；

43、s37、根据全局增强特征，得到最终对齐深层特征。

44、进一步地，调整长度后的浅层特征为：

45、；

46、其中，为线性插值计算，为自适应平均池化计算，为通道数投影后的浅层特征映射，为目标输出长度，即一维输出向量的元素总个数，为浅层特征高度，为浅层特征宽度；

47、最终对齐后的信号特征：

48、；

49、其中，为张量重复扩展运算，为实数域，为浅层特征的通道数；

50、固定长度向量为：

51、；

52、其中，为第个位置的特征向量，为原始深层特征总序列长度；

53、全局增强特征为：

54、；

55、其中，为统计特征向量，表示向量拼接操作，为1×1卷积投影；

56、最终对齐深层特征为：

57、；

58、其中，为深层特征高度，为深层特征宽度，为深层特征的通道数。

59、进一步地，s4包括以下子步骤：

60、s41、根据维度对齐后的特征，得到全局平均池化输出向量和全局最大池化输出向量；

61、s42、根据全局平均池化输出向量和全局最大池化输出向量，生成通道注意力权重图；

62、s43、将通道注意力权重图与原始特征进行元素乘法，得到多尺度原始特征；

63、s44、根据多尺度原始特征，沿通道维度分别计算全局平均池化和全局最大池化，并拼接，得到双通道空间特征；

64、s45、根据双通道空间特征，得到空间注意力图；

65、s46、根据多尺度原始特征和空间注意力图，完成跨模态校准；

66、s47、将跨模态校准输出的图像校准特征和信号校准特征进行元素相加，得到初步跨模态联合特征；

67、s48、根据初步跨模态联合特征，生成通道描述向量；

68、s49、将图像校准特征作为query查询，将信号校准特征作为键向量key和value值，计算注意力分数；

69、s410、基于通道描述向量和注意力分数，生成图像模态权重和信号模态权重；

70、s411、利用图像模态权重和信号模态权重对图像校准特征和信号校准特征加权融合，得到最终融合特征。

71、进一步地，全局平均池化输出向量为：

72、；

73、其中，为2d图像或1d信号提取的特征图，为第层特征图高度，为第层特征图宽度，为全局平均池化运算，为高度维度遍历索引，为宽度维度遍历索引；

74、全局最大池化输出向量为：

75、；

76、通道注意力权重图为：

77、；

78、其中，为sigmoid函数，表示向量拼接操作，为共享多层感知机计算；

79、多尺度原始特征为：

80、；

81、双通道空间特征为：

82、；

83、其中，为沿通道维度全局平均池化，为沿通道维度全局最大池化；

84、空间注意力图为：

85、；

86、校准特征为：

87、；

88、通道描述向量为：

89、；

90、其中，为1×1卷积投影，表示向量拼接操作，为全局平均池化运算，为全局最大池化运算，为初步跨模态联合特征；

91、图像模态权重为：

92、；

93、其中，为指数函数，为第一可学习参数向量，为第二可学习参数向量；

94、信号模态权重为：

95、；

96、最终融合特征为：

97、；

98、其中，表示逐元素乘法，为图像校准特征，为信号校准特征。

99、进一步地，s5包括以下子步骤：

100、s51、对每个尺度的最终融合特征进行全局平均池化，得到尺度特征向量；

101、s52、将各个尺度的尺度特征向量沿通道维度拼接，得到多尺度联合表示；

102、s53、对多尺度联合表示进行特征降维与融合，得到最终辅助特征向量；

103、s54、根据最终辅助特征向量，确定评估分数；

104、s55、基于评估分数，对检测头进行训练，并利用训练后的检测头完成检测。

105、进一步地，尺度特征向量为：

106、；

107、其中，为实数域，为全局平均池化运算，为第尺度融合特征图的通道数量，同时也是向量的维度长度；

108、评估分数为：

109、；

110、其中，为sigmoid函数，为最终的辅助特征向量，为全连接层计算。

111、本发明的有益效果是：

112、本发明通过构建基于激光损伤图像与he-ne激光信号的双模态在线检测技术体系，显著提升了激光损伤检测的精度、实时性和鲁棒性。与传统单一模态方法相比，该发明有效解决了低信噪比、微小损伤早期识别困难以及尘埃等干扰物误报率高的问题，实现了1d时序信号的高灵敏预警能力与2d图像的高精度空间定位能力的深度协同。通过时序维度对齐机制、自适应损伤敏感融合模块以及增强型检测头的协同作用，不仅大幅提高了损伤检测的精度，还提供了信号贡献度和损伤严重程度等具有明确物理意义的可解释输出，为高功率激光系统的在线损伤监测、预警和维护决策提供了可靠的技术支撑，具有重要的工程实用价值和广阔的应用前景。