窗口镜清洁方法及装置与流程

1.本发明涉及高能激光光学传输与发射领域，尤其涉及一种窗口镜清洁方法及装置。


背景技术：

2.随着高能激光系统的发展，其使用场景已从实验室拓展到城市、戈壁、海洋等各苛刻环境中，盐雾、湿热、风浪、飞沫、太阳辐照、灰尘等因素给高能激光系统装置提出了严峻的考验。高能激光系统末端通常通过设置窗口镜，隔绝内外部环境，保证系统装置的正常运行。但是窗口镜本身裸露在外部环境中，尤其是窗口镜所镀制的多波段增透光学膜层具有微观孔隙结构，盐雾、海水、飞沫等易通过孔隙渗透入膜层内部产生侵蚀，严重影响膜层机械、光学和抗激光损伤性能。此外，一旦窗口镜表面附着污染物，在强光加载下，由于热效应影响，污染物极易诱导窗口膜层产生破坏性损伤，因此窗口镜必须保持严苛的洁净度。膜层被环境侵蚀或者被污染，将严重影响系统的整体稳定性。
3.随着激光能量等级的提升与作用距离的延长，主镜尺寸的增加越来越大，窗口镜尺寸随之变大，而过大的镜面尺寸都将导致窗口镜维护保养及清洁变得愈发困难。目前，窗口镜清洁通常采取以下两种方法：一是人工擦拭的方法，此方法随着光学窗口口径不断增大，技术人员操作难度逐步提升，清洗效果一致性难以保证，清洁后洁净度依赖于技术人员的操作水平，难以满足实际使用需求；二是采用风刀清洁的方法，将空气源通过狭窄、细薄的喷嘴输出，利用高速气流附壁效应产生40倍气流增强，形成一张高速、强劲的气流薄片的方式，对光学元件表面污染物进行冲扫去除，目前，高能激光光学传输与发射装备系统窗口镜尺寸已达到米级，此方法要实现大口径光学元件清洁，必须使用与光学元件相等长度的风刀，因此需要同时配备大功率空压机，整体系统体积和重量都将大幅增加。与此同时，当污染物为液体时，由于液体附着在窗口镜表面粘滞阻力大，单纯采用风刀的方式对液体污染物的去除效率不足，仅适合实验室环境下对固定光学元件清洁。


技术实现要素：

4.本发明的主要目的在于提供一种窗口镜清洁方法及装置，旨在解决现有大口径高能激光系统窗口镜清洁的技术问题。
5.第一方面，本发明提供一种窗口镜清洁方法，所述窗口镜清洁方法包括以下步骤：
6.获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；
7.根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；
8.根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。
9.可选的，所述窗口镜表面采用纳米性疏水光学膜层，配合风刀实现自清洁。
10.可选的，在所述获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值的步骤之前还包括：
11.获取洁净状态的窗口镜表面图像的若干区域作为第一样本，将不同类别的污染物的图像特征添加到所述洁净状态的窗口镜表面图像的若干区域作为第二样本；
12.将所述第一样本与所述第二样本输入到初始的神经网络算法中计算得到实际值，根据所述实际值与期望值的差值调整所述初始的神经网络算法中的权重矩阵，得到训练完成的神经网络算法。
13.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
14.若所述区域的污染物为颗粒物，则调节风刀的出风速度为第一风速、摆扫速度为第一速度，出风类型为冷风。
15.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
16.若所述区域的污染物为液滴，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为冷风，其中，所述第二风速小于所述第一风速，所述第二速度小于所述第一速度。
17.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
18.若所述区域的污染物为冰晶，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为热风。
19.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
20.若所述区域的污染物为纤维，则调节风刀的出风速度为第三风速、摆扫速度为第三速度，出风类型为冷风，其中，所述第三风速大于所述第一风速，所述第三速度小于所述第二速度。
21.第二方面，本发明还提供一种窗口镜清洁装置，所述窗口镜清洁装置包括：
22.计算模块，用于获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；
23.判断模块，用于根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；
24.调节模块，用于根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。
25.可选的，在所述获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值的步骤之前，所述计算模块，用于：
26.获取洁净状态的窗口镜表面图像的若干区域作为第一样本，将不同类别的污染物的图像特征添加到所述洁净状态的窗口镜表面图像的若干区域作为第二样本；
27.将所述第一样本与所述第二样本输入到初始的神经网络算法中计算得到实际值，根据所述实际值与期望值的差值调整所述初始的神经网络算法中的权重矩阵，得到训练完成的神经网络算法。
28.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块，用于：
29.若所述区域的污染物为颗粒物，则调节风刀的出风速度为第一风速、摆扫速度为第一速度，出风类型为冷风。
30.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块，用于：
31.若所述区域的污染物为液滴，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为冷风，其中，所述第二风速小于所述第一风速，所述第二速度小于所述第一速度。
32.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块，用于：
33.若所述区域的污染物为冰晶，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为热风。
34.可选的，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块，用于：
35.若所述区域的污染物为纤维，则调节风刀的出风速度为第三风速、摆扫速度为第三速度，出风类型为冷风，其中，所述第三风速大于所述第一风速，所述第三速度小于所述第二速度。
36.本发明通过获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。本发明解决了传统清洁方式中，镜面附着液体污染物难以清除，污染区域不易定位，传统风刀尺寸需与镜片口径等长限制，从而需要配备大功率空压机的一系列问题，具有运行振动量级小、清洁区域覆盖率高，适用于大尺寸型窗口镜等优点。
附图说明
37.图1为本发明窗口镜清洁方法一实施例的流程示意图；
38.图2为本发明窗口镜清洁装置一实施例的功能模块示意图；
39.图3为本发明窗口镜清洁装置一实施例的功能模块的结构示意图。
40.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
41.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
42.第一方面，本发明实施例提供了一种窗口镜清洁方法。
43.参照图1，图1为本发明窗口镜清洁方法一实施例的流程示意图。
44.在本发明窗口镜清洁方法一实施例中，窗口镜清洁方法包括：
45.步骤s10，获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；
46.本实施例中，获取窗口镜表面的实时图像，将实时图像作为输入，经过训练好的神
经网络算法，计算得到一个具体值，把这个具体值作为目标值。
47.进一步，一实施例中，在所述获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值的步骤之前还包括：
48.获取洁净状态的窗口镜表面图像的若干区域作为第一样本，将不同类别的污染物的图像特征添加到所述洁净状态的窗口镜表面图像的若干区域作为第二样本；
49.将所述第一样本与所述第二样本输入到初始的神经网络算法中计算得到实际值，根据所述实际值与期望值的差值调整所述初始的神经网络算法中的权重矩阵，得到训练完成的神经网络算法。
50.本实施例中，为了得到训练完成的神经网络算法，需要输入样本到初始的神经网络模型中，根据样本所预设的期望值与经过神经网络算法得出的实际值的差距，调整初始的神经网络算法中的权重矩阵。在本方案里，由于需要根据神经网络算法，得到附着在窗口镜表面的污染物的不同类别，所以在得到训练完成的神经网络算法中，需要输入两类图像作为样本，第一类图像为洁净无污染状态的窗口镜表面图像，第二类图像为添加了不同类别污染物的图像特征到第一类图像上若干区域的图像，这两类图像在作为样本输入到神经网络算法中时有期望值，在经过神经网络算法后得到一个实际值，这个实际值若与期望值有差别，则根据差值来调整神经网络算法中的权重矩阵，得到拟合度更好的神经网络算法，最后得到训练完成的神经网络算法。
51.步骤s20，根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；
52.本实施例中，根据实时获取的窗口镜表面图像输入到训练完成的神经网络算法中，计算得到的目标值，可以判断窗口镜表面区域是否有污染物以及污染物的类别。比如第一类图像对应的洁净无污染物为数值0，污染物类别的数值为0，所以当根据实时图像计算得到的目标值为00时，表明图像中该区域处于洁净状态；第二类图像对应的有污染物为数值1，污染物类别为颗粒物时数值为1，所以当根据实时图像计算得到的目标值为11时，表明图像中该区域有颗粒污染物；第二类图像对应的有污染物为数值1，污染物类别为液滴时数值为2，所以当根据实时图像计算得到的目标值为12时，表明图像中该区域有液滴污染物；第二类图像对应的有污染物为数值1，污染物类别为冰晶时数值为3，所以当根据实时图像计算得到的目标值为13时，表明图像中该区域有冰晶污染物；第二类图像对应的有污染物为数值1，污染物类别为纤维时数值为4，所以当根据实时图像计算得到的目标值为14时，表明图像中该区域有纤维污染物。
53.步骤s30，根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。
54.本实施例中，根据判断出的所述实时图像的窗口镜表面区域的污染物的类别，可以调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述类别的污染物。其中所述调节风刀的出风速度、摆扫速度根据扫摆式的风刀结构来调节，出风类型根据电热丝来调节冷热风。
55.进一步，一实施例中，所述窗口镜表面采用纳米性疏水光学膜层，配合风刀实现自清洁。
56.本实施例中，窗口镜表面采用纳米性疏水膜层，所述纳米性疏水膜层具有高的耐
热性能，高的透光性能。当液滴滴于纳米疏水性膜层时，其气、液、固界面夹角大于150
°
，液滴自然形成圆滴状而不会铺张开，利于风刀扫除且不会在窗口镜表面产生拖尾，可以配合风刀实现自清洁的目的。
57.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
58.若所述区域的污染物为颗粒物，则调节风刀的出风速度为第一风速、摆扫速度为第一速度，出风类型为冷风。
59.本实施例中，若所述所述区域的污染物为颗粒物，则调节风刀的出风速度为第一风速、摆扫速度为第一速度，出风类型为冷风，其中所述第一风速为中高风速，所述第一速度为快速，快速大角度的摆扫风刀并通过风刀中高速度出冷风，可以将颗粒污染物迅速吹离窗口镜表面。
60.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
61.若所述区域的污染物为液滴，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为冷风，其中，所述第二风速小于所述第一风速，所述第二速度小于所述第一速度。
62.本实施例中，若所述区域的污染物为液滴，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为冷风，其中，所述第二风速小于所述第一风速，所述第二速度小于所述第一速度，所述第二风速为中低风速，第二速度为中低速，中低速大角度的摆扫风刀并通过风刀中低风速出冷风，可以将液滴污染物从窗口镜表面吹落，并通过纳米性疏水膜层防止液滴在窗口表面产生拖尾。
63.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
64.若所述区域的污染物为冰晶，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为热风。
65.本实施例中，若所述区域的污染物为冰晶，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为热风，所述第二风速为中低风速，第二速度为中低速，中低速大角度的摆扫风刀并通过风刀中低风速出热风，可以将冰晶污染物融化为液滴污染物，当识别到液滴污染物时，重新调节风刀的出风速度、摆扫速度及出风类型将液滴从窗口镜表面吹落。
66.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型的步骤包括：
67.若所述区域的污染物为纤维，则调节风刀的出风速度为第三风速、摆扫速度为第三速度，出风类型为冷风，其中，所述第三风速大于所述第一风速，所述第三速度小于所述第二速度。
68.本实施例中，若所述区域的污染物为纤维，则调节风刀的出风速度为第三风速、摆扫速度为第三速度，出风类型为冷风，其中，所述第三风速大于所述第一风速，所述第三速度小于所述第二速度，所述第三风速为高风速，第三速度为慢速，慢速大角度的摆扫风刀并通过风刀高风速出热风，可以将纤维污染物吹离窗口镜表面。
69.本实施例中，获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。本发明解决了传统清洁方式中，镜面附着液体污染物难以清除，污染区域不易定位，传统风刀尺寸需与镜片口径等长限制，从而需要配备大功率空压机的一系列问题，具有运行振动量级小、清洁区域覆盖率高，适用于大尺寸型窗口镜等优点。
70.第二方面，本发明实施例还提供一种窗口镜清洁装置。
71.参照图2，图2为窗口镜清洁装置一实施例的功能模块示意图。
72.本实施例中，所述窗口镜清洁装置包括：
73.计算模块10，用于获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值；
74.本实施例中，所述计算模块10还包括图像获取单元、图像输入单元、神经网络算法计算单元，如图3所示，所述图像获取单元包括监测相机以及照明组件，采用小型大视角的监测相机实时获取窗口镜表面的图像，并利用照明组件提高所述获取的窗口镜表面图像的信噪比；如图3所示的图像分析，包括所述图像输入单元将所述图像获取单元实时获取的窗口镜表面的图像输入到所述神经网络算法计算单元中，计算得到目标值。
75.判断模块20，用于根据所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别；
76.本实施例中，如图3所示的图像分析，还包括所述判断模块20中的神经网络算法分析单元，所述神经网络算法分析单元具有深度学习功能，通过训练能自动学习存储各类污染物的图像特征所对应的值，从而具有污染物识别功能，达到准确区分各类污染物与划分污染物所在区域的目的，可以用于根据所述神经网络算法计算单元计算出的所述目标值，判断所述实时图像的窗口镜表面区域是否有污染物及污染物的类别。
77.调节模块30，用于根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，以清洁窗口镜表面的所述污染物。
78.本实施例中，如图3所示，所述调节模块30包括流量控制组件、摆扫控制组件、空压机组件以及电热丝控温单元，所述调节模块30当收到判断模块20的关于污染物类别的判别指令后，通过空压机组件将高压空气转换为高速气流，提供高压空气源后；再通过摆扫控制组件中，伺服电机带动主动轴做圆周运动，通过传动销带动平动齿做水平方向运动，随后平动齿拨动从动栅控制小型风刀扫摆运动，并配合所述判断模块20根据污染物区域的实时变化可进行摆扫角度与速度的调整或采用固定角度出风模式，吹扫大口径窗口镜表面不同区域附着的污染物，实现小尺寸风刀对大口径窗口的全区域清洁功能；同时，流量控制组件配合所述判断模块20针对不同污染物调节出风速度即风刀出风量，电热丝控温单元配合所述判断模块20针对不同污染物根据电热丝调节出风类型。
79.进一步，一实施例中，在所述获取窗口镜表面实时图像并输入到训练完成的神经网络算法中，计算得到目标值的步骤之前，所述计算模块10，用于：
80.获取洁净状态的窗口镜表面图像的若干区域作为第一样本，将不同类别的污染物的图像特征添加到所述洁净状态的窗口镜表面图像的若干区域作为第二样本；
81.将所述第一样本与所述第二样本输入到初始的神经网络算法中计算得到实际值，根据所述实际值与期望值的差值调整所述初始的神经网络算法中的权重矩阵，得到训练完成的神经网络算法。
82.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块30，用于：
83.若所述区域的污染物为颗粒物，则调节风刀的出风速度为第一风速、摆扫速度为第一速度，出风类型为冷风。
84.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块30，用于：
85.若所述区域的污染物为液滴，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为冷风，其中，所述第二风速小于所述第一风速，所述第二速度小于所述第一速度。
86.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块30，用于：
87.若所述区域的污染物为冰晶，则调节风刀的出风速度为第二风速、摆扫速度为第二速度，出风类型为热风。
88.进一步，一实施例中，所述根据所述区域的污染物类别，调节风刀的出风速度、摆扫速度及出风类型，所述调节模块30，用于：
89.若所述区域的污染物为纤维，则调节风刀的出风速度为第三风速、摆扫速度为第三速度，出风类型为冷风，其中，所述第三风速大于所述第一风速，所述第三速度小于所述第二速度。
90.其中，上述窗口镜清洁装置中各个模块的功能实现与上述窗口镜清洁方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
91.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
92.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
93.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
94.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。