上海光机所在高功率激光装置光斑智能分析方面取得进展

近期，中科院上海光机所高功率激光物理联合实验室研究团队针对高功率激光装置全链路光学元件快速、精密准直需求，提出了一种基于改进YOLOv8-seg的光斑分析系统，并开展了实验验证。相关成果以“A spot analysis system for high-power laser facilities based on an improved YOLOv8-seg model”为题发表在High Power Laser Science and Engineering上。

惯性约束聚变等研究对高功率激光驱动器的输出能力要求越来越高，装置中大量光学元件能否精确准直，直接影响光束质量和最终输出性能，而光斑的形貌和中心位置是判断光束质量和空间准直状态最直接的信息。传统阈值分割、边缘检测和质心算法在低对比度、非均匀照明、重叠边界、噪声和杂散光等条件下容易失效，难以满足大装置多束线并行、无人值守的高精度快速自动准直需求。

针对这些问题，研究团队以YOLOv8-seg实例分割模型为基础，引入CBAM注意力机制、动态多尺度特征融合和圆形度约束损失函数，提升了算法对低对比度、弱边界以及不同形貌光斑的识别和像素级轮廓分割能力。在基准中心位置判断方面，设计了“四孔图案—十字标记—图像几何中心”三级递进参考中心检测框架，在遮挡、磨损和强杂光等工况下保证空间基准的稳定识别。分割结果随后进入特征量化模块，自动计算光斑质心、面积、周长、圆度、等效半径以及相对参考中心的偏移距离等参数。

平台实验结果表明，改进模型的mAP@0.5达到0.901，（较基线提升3.33%），单帧推理时间55±2 ms，参数量仅2.65×10⁷，推理显存2.1 GB，三级参考中心检测定位误差为1.9像素，成功率98.7%。文中所用模型与U-Net、Mask R-CNN、DeepLabv3+和SegFormer等主流方法相比，该系统在分割精度、推理速度和资源消耗之间取得了更优平衡。

目前，系统已完成离线测试验证，研究团队正利用装置最新准直采样开展性能测试。在满足工程要求后，将推进在线验证。后续工作将围绕模型轻量化、在线增量学习和数字孪生预测控制展开，推动装置准直向智能自主运行发展。

相关研究得到神光-II激光装置运行项目（No. 86CL020101）支持。

原文链接：https://doi.org/10.1017/hpl.2026.10167