强激光与粒子束

作者：邵延华, 忻晨, 楚红雨,

关键词：精密光学元件, 深度学习, ResNet, 缺陷分类, 小样本, Dropout,

针对小样本高功率固体激光装置中光学元件表面疵病的精准检测需求，基于ICFNet提出了一种融合数据增强与深度残差网络的检测方法ICFNetV2。首先采用残差连接机制与通道解耦卷积操作的协同设计，搭建了包含34个层级联模块的深度网络架构，成功抑制了深层网络训练中的梯度衰减现象，并显著提升了特征跨层传递效率。网络中嵌入了空间Dropout层，同时在数据预处理阶段采用随机旋转、镜像翻转和高斯噪声注入等数据增强策略，将训练样本量扩展至原始数据集的9倍，提升了模型的泛化能力。消融实验进一步证实网络中模块的有效性。实验结果表明，改进后的ICFNetV2在麻点、划痕和灰尘三类疵病分类任务中达到97.4%的准确率，相较ICFNet模型提升0.7%。

来源：2025年第12期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2025年第12期