Baru-baru ini, pasukan penyelidik dari Makmal Bersama Fizik Laser Berkuasa Tinggi, Institut Optik dan Jentera Ketepatan Shanghai, Akademi Sains China (SIPM, CAS), telah mengenal pasti dan menganalisis output medan dekat anomali bagi peranti yang dinaik taraf SG-II. dengan menggunakan kaedah pengiraan ruang udara dan model pembelajaran mendalam dengan mekanisme perhatian untuk memenuhi keperluan masa nyata dan kesahihan untuk analisis berbilang output medan dekat peranti laser berkuasa tinggi. Keputusan yang berkaitan diringkaskan sebagai "Analisis medan dekat kemudahan laser berkuasa tinggi menggunakan kaedah yang dikira dan rangkaian neural convolutional sisa dengan mekanisme perhatian" dalam Optik dan Laser dalam Kejuruteraan.
Penyelidikan fizik gabungan inersia (ICF) meletakkan keperluan yang sangat ketat pada prestasi output dan kebolehpercayaan pemacu laser berkuasa tinggi, di mana pengagihan seragam medan dekat adalah kondusif untuk meningkatkan fluks operasi sistem, melindungi optik seterusnya, dan memenuhi keperluan untuk keamatan tinggi jangka panjang dan pengendalian sistem yang boleh dipercayai. Peranti laser berkuasa tinggi mengandungi berbilang pancaran laser, dan kaedah pengenalan manual tidak cukup tepat pada masanya dan berkesan; oleh itu, kaedah yang berkesan diperlukan untuk menganalisis keadaan medan hampir pada saat yang berbeza dan memberikan amaran tepat pada masanya. Rangkaian saraf konvolusional (CNN) mempunyai keupayaan pengekstrakan ciri yang berkuasa dan boleh dilatih mengenai data sejarah untuk memenuhi keperluan tugas yang kompleks dan pelbagai.
Para penyelidik bercadang untuk menggunakan kaedah pengiraan ruang udara dan model rangkaian neural convolutional sisa dengan mekanisme perhatian tambahan untuk menilai pada mulanya status operasi unit dinaik taraf SG-II berdasarkan sejumlah besar imej medan dekat pada masa yang berbeza. Kaedah pengiraan ruang udara digunakan untuk memproses kumpulan imej medan dekat yang dikesan CCD, dan perubahan dalam keseragaman pengedaran medan dekat sepanjang masa operasi berterusan peranti boleh dianalisis oleh rejim modulasi dan kontras. Algoritma secara automatik mengekstrak kawasan tempat dekat medan yang sah, yang juga menyediakan langkah prapemprosesan untuk imej yang digunakan untuk melatih model rangkaian saraf konvolusi. Model rangkaian saraf konvolusi digunakan untuk mengenal pasti dan mengklasifikasikan ciri imej medan dekat secara automatik dengan berbilang label untuk membolehkan pengesanan anomali keadaan hampir medan frekuensi asas (1ω). Dalam kerja ini, penyelidik memilih enam ciri termasuk keseragaman pengedaran medan dekat, isyarat keluaran anomali, dan gelung pembelauan kuat untuk dianalisis, dan ketepatan klasifikasi model mencapai 93%, dan model itu dapat membuat pertimbangan masa nyata. pada sebarang bilangan imej medan dekat berkenaan dengan enam ciri di atas.
Dalam kajian seterusnya, apabila jumlah data eksperimen meningkat, penyelidik akan memperhalusi label klasifikasi ciri anomali, terutamanya ciri yang serupa, untuk membina model yang lebih mantap. Kerja ini meneroka aplikasi berkesan model pembelajaran mendalam dalam peranti laser berkuasa tinggi ICF, dan dijangka akan terus mengembangkan aplikasi model pembelajaran mendalam pada masa hadapan untuk menyediakan kaedah analisis pintar untuk peranti laser yang besar.
Rajah 1 Keputusan kaedah pengiraan ruang udara (a) imej yang diperoleh CCD (b) Histogram taburan aras kelabu medan hampir (c) Histogram taburan aras kelabu hampir medan selepas mengeluarkan latar belakang (d) Imej binari selepas mengalihkan latar belakang (e) Imej medan dekat diputar selepas penjelmaan Hough (f) Imej binari diputar (g) Imej medan dekat dipangkas (h) 85% wilayah imej medan dekat
Rajah 2 Struktur model rangkaian neural convolutional perhatian spatial
