加快打造原始創(chuàng)新策源地，加快突破關鍵核心技術，努力搶占科技制高點，為把我國建設成為世界科技強國作出新的更大的貢獻。
——習近平總書記在致中國科學院建院70周年賀信中作出的“兩加快一努力”重要指示要求
面向世界科技前沿、面向經(jīng)濟主戰(zhàn)場、面向國家重大需求、面向人民生命健康，率先實現(xiàn)科學技術跨越發(fā)展，率先建成國家創(chuàng)新人才高地，率先建成國家高水平科技智庫，率先建設國際一流科研機構。
——中國科學院辦院方針
——習近平總書記在致中國科學院建院70周年賀信中作出的“兩加快一努力”重要指示要求
——中國科學院辦院方針
近期，中國科學院上海光學精密機械研究所研究團隊在提升DKDP晶體激光誘導損傷檢測的精度與效率方面取得重要進展。團隊創(chuàng)新性地將機器學習與圖像處理技術相結(jié)合，開發(fā)了一套高效、自動化的損傷點檢測方法，顯著提升了檢測性能。相關核心成果已形成研究論文。相關成果以“Research on laser damage detection in DKDP crystals based on machine learning and image processing”為題發(fā)表于Optical Materials。
DKDP晶體作為高功率激光裝置（如ICF）中的關鍵非線性光學元件，其抗激光損傷性能至關重要。準確、高效地檢測晶體中的激光誘導損傷點（位置、數(shù)量、密度）是評估其性能、保障裝置安全運行的關鍵環(huán)節(jié)。然而，傳統(tǒng)檢測方法易受圖像噪聲、照明差異等因素干擾，存在效率低、誤差大的問題。
研究團隊創(chuàng)新性地提出了一套融合機器學習與圖像處理的損傷檢測框架。該框架首先利用支持向量機（SVM）對DKDP晶體損傷圖像進行高效分類，分類準確率高達97.67%，為后續(xù)處理奠定基礎；進而針對不同類型損傷圖像，分別采用圖像差分、高通濾波和高提升濾波等方法進行自適應預處理，顯著提升損傷點局部對比度與信噪比（SNR），有效抑制背景噪聲；最后，通過優(yōu)化的閾值分割和區(qū)域分割算法，精確提取損傷點邊緣像素，對損傷區(qū)域進行分類標記，實現(xiàn)損傷點數(shù)量與密度的自動統(tǒng)計計算。
實驗驗證表明，該方法性能優(yōu)異：損傷點識別正確率穩(wěn)定在92.31%以上，單張圖片平均處理時間控制在約0.9秒內(nèi)，滿足高效檢測需求。這些結(jié)果顯著提升了DKDP晶體激光損傷檢測的靈敏度與可靠性。
該研究深化了自動化檢測技術，為DKDP晶體激光損傷提供了一套快速、準確、自動化的檢測解決方案；提供了更為可靠的評估依據(jù)，其生成的高精度損傷點密度與分布信息；同時展現(xiàn)出顯著的推廣潛力，所開發(fā)的融合機器學習與圖像處理的技術框架，可廣泛應用于其他光學材料或元件的無損檢測與表征領域。
相關工作得到了上海市“探索者”項目、中國科學院國際合作局對外合作重點項目、山東大學晶體材料國家重點實驗室、上海市“科技創(chuàng)新行動計劃”港澳臺科技合作項目及中國科學院特別交流計劃等項目的支持。
圖1. 三種機器學習方法的ROC曲線
圖2 （a）帶有邊界散射光的激光誘導損傷探測結(jié)果圖（b）帶有椒鹽噪聲的激光誘導損傷探測結(jié)果圖
