基于神经网络的高功率激光近远场测量装置及方法

技术领域

本发明涉及基于神经网络的高功率激光近远场测量装置及方法，属于激光束质量检测领域。

背景技术

高功率激光装置广泛应用于多种前沿科学研究，在清洁能源、新型材料、高能物理等科研领域发挥越来越重要的作用。这些物理实验等否成功与高功率激光的能量直接相关，随着激光能量的提升，由于非线性效应和热效应的作用，光束质量急剧下降，光束质量的下降导致靶室焦斑的能量集中度下降。

为了获得能量集中度更高的焦斑，往往需要先对激光束质量进行检测再通过反馈系统提升光束质量。激光束质量可以从近场强度、近场相位和远场强度来表征。传统方法通过直接成像的方法来测量近场强度和远场的强度，使用哈特曼波前传感器来测量近场相位。但是受限于光电探测器的动态范围，直接成像法无法完整的表征远场强度；受限于微透镜阵列中透镜的数目，哈特曼传感器测量的相位分辨率低，这些方法都是一法一测，这些方法都不能同时对激光的近远场强度进行测量。干涉仪体积庞大且对环境要求苛刻，无法实现对高功率激光近远场的测量。

近年来，相干衍射成像成为了相位恢复与测量领域非常实用的技术，作为一种无透镜成像技术，其成像分辨率不受透镜质量的影响，理论上可达衍射极限的分辨率。相干衍射成像技术使用迭代算法从远场衍射强度信息中恢复出光场复振幅分布。通过在物体平面和衍射平面之间反复迭代，满足一定的限制条件下，同时恢复出激光光束的振幅和相位信息。日本大阪大学Matsuoka利用相干衍射成像测量高功率激光束的相位，他先沿着光轴方向记录两个不同位置的光强信息，然后利用基于G-S和Fienup的相位恢复算法重建出光束的复振幅分布。Bahk使用相干衍射成像测量调频脉冲放大激光束波前信息。罗彻斯特大学利用相干衍射成像测量OMEGAEP拍瓦级激光器的焦斑分布。相比于传统的直接测量手段，相干衍射成像具有更好的可操作性并且对环境的要求更低。上述测量方法均为多次曝光的方法，多次曝光不仅提高了对环境的要求而且也增加了系统误差。相干调制成像利用二值随机相位板或振幅板对光场进行空间调制，高度随机的相位板或振幅板使得该技术在单次曝光的条件下即可恢复出光场的强度和相位分布。基于相干调制成像的高功率激光近远场测量技术能够使用小巧的结构实现高功率激光近远场的精密测量，但是由于该技术依赖迭代计算，它无法实现对激光近远场分布的快速观测。

为了快速观测高重频激光束质量或高重频激光装置运行中的热畸变效应，亟需对高功率激光的近远场分布进行实时测量的技术。

发明内容

为了解决上述问题，本发明提供了基于神经网络的高功率激光近远场测量装置及方法，所述技术方案如下：

本发明的第一个目的在于提供一种激光近远场测量装置，包括沿待测激光的传播方向依次分布的光栅2、编码板3、光电探测器6和计算机7；

所述光栅2将所述待测激光分成分布完全相同的两束光，分别入射至所述编码板3中的两个区域中心，其中一个区域为随机相位分布或随机振幅分布，用于对光束进行空间调制，另一个区域无结构分布，光束通过时无调制作用；

所述光电探测器6用于记录调制后的光场强度图像和未经调制的光场强度图像；

所述计算机7用于采集光场强度图像，利用神经网络对输入的所述未经调制的光场强度图像进行处理，得到预测的近场强度和相位以及远场的强度分布。

可选的，所述光电探测器6为面阵光电探测器。

可选的，所述装置还包括会聚透镜，用于对待测激光进行会聚。

本发明的第二个目的在于提供一种激光近远场测量方法，基于上述任一项所述的激光近远场测量装置实现，包括：

步骤1：装置校准；

使用细准直激光束垂直照射到光栅2中心位置，调整编码板3的位置，使从所述光栅2出射的两束光分别通过所述编码板3的两个子区域的中心；调整光电探测器6的位置，使得经空间调制的光束和未经空间调制的光束分别入射到探测器子区域的中心位置；

步骤2：数据采集；

使待测激光垂直入射到光栅2的中心位置，所述光电探测器6开启曝光模式，计算机保存所述光电探测器6单次曝光所记录的强度图像；

步骤3：构建数据集；

将未经空间调制的光场强度图像作为输入图像，将每一幅输入图像对应的强度和相位图像作为数据集标签，所述强度和相位图像是利用相位重建算法从分割出来的未经空间调制的光场强度图像中获取；

步骤4：利用所述步骤3构建的数据集训练激光近远场测量神经网络，所述激光近远场测量神经网络；

步骤5：利用所述光电探测器6采集待测激光的未经调制的强度图像，输入训练好的所述激光近远场测量神经网络，得到所述待测激光的近场强度和相位；

步骤6：基于所述待测激光的近场强度和相位，得到相应的远场的强度分布。

可选的，所述步骤3中强度和相位图像的计算过程包括：

S1.假设P

S2.编码板复振幅透过率为M(x

T

S3.将T(x

U

(x

S4.使用强度限制更新光场U

I(x

S5.将U'

T'

S6.用下式更新编码板前表面光场分布:

其中c是正的常量，一般取0-1之间的值，M

将P'

可选的，所述激光近远场测量神经网络采用残差UNet神经网络。

可选的，所述步骤6包括：将近场强度和相位组成复振幅并进行傅里叶变换，傅里叶变换后模值的平方值即激光远场的强度分布。

可选的，将近场强度和相位组成复振幅并传播至远场以得到远场的强度分布。

本发明有益效果是：

本发明公开的高功率激光近远场测量装置，通过采集光场强度图像，利用神经网络来对待测激光的近场强度和相位进行预测，并进而得到相应的远场的强度分布，解决了高功率激光束近远场测量速度慢的问题，达到了对激光束近远场进行实时测量的目的。

同时，本发明公布的高功率激光近远场测量装置还具有测量装置简单、测量信息完备、测量精度高的优点。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例二基于神经网络的激光近远场测量装置的结构示意图。

图2是本发明编码板的样式图。

图3是本发明探测器记录的光强图像的样式图。

图4是本发明残差UNet神经网络模型的结构图。

图5是本发明实施例三基于神经网络的大口径激光近远场测量装置的结构示意图。

图中：1—待测激光，2—光栅，3—编码板，4—被调制光束，5—未被调制光束，6—面阵光电探测器，7—计算机，8—编码板随机相位结构区域，9—编码板无结构区域，10—被调制光束强度图像，11—未被调制光束强度图像，12—待测大口径激光束，13—会聚透镜。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一：

本实施例提供一种激光近远场测量装置，包括沿待测激光的传播方向依次分布的光栅2、编码板3、光电探测器6和计算机7；

所述光栅2将所述待测激光分成分布完全相同的两束光，分别入射至所述编码板3中的两个区域中心，其中一个区域为随机相位分布或随机振幅分布，用于对光束进行空间调制，另一个区域无结构分布，光束通过时无调制作用；

所述光电探测器6用于记录调制后的光场强度图像和未经调制的光场强度图像；

所述计算机7用于采集光场强度图像，利用神经网络对输入的所述未经调制的光场强度图像进行处理，得到预测的近场强度和相位以及远场的强度分布。

实施例二：基于神经网络的小口径激光束近远场测量；

本实施例提供一种基于神经网络的小口径激光近远场测量方法，其测量装置如图1所示，沿待测激光的传播方向，光路上依次为：2—光栅，3—编码板，6—面阵光电探测器。

光栅的特征为：可将入射光分成分布完全相同的两束光，但在传播方向上，两束光错开一定角度。

编码板的结构如图2所示，编码板由两个区域组成，其中一个区域为随机相位分布(或随机振幅分布)，可对光束进行空间调制；另一个区域无结构分布，光束通过时无调制作用。

面阵光电探测器用于记录二维光场的强度图像，其记录的图像包含两个子区域，调制后的光场强度图像和未经调制的光场强度图像，其样式如图3所示。

计算机具有数据采集和信号处理的软硬件系统。面阵光电探测器采集到的光场强度图像被计算机储存。

利用所述基于神经网络的激光近远场测量方法对激光束质量进行检测，该方法包括以下步骤：

A.装置校准：使用细准直激光束垂直照射到光栅中心位置，调整编码板的横向位置和轴向位置，使从光栅出射的两束光分别通过编码板(图2)两个子区域的中心。调整面阵探测器的横向位置和轴向位置，使得经空间调制的光束和未经空间调制的光束分别入射到探测器子区域的中心位置(图3)。

B.数据采集：使待测激光垂直入射到光栅的中心位置，面阵光电探测器开启曝光模式，计算机保存光电探测器单次曝光所记录的强度图像。

C.数据集获取：

①数据处理：将探测器记录的强度图像按照空间位置分割得到未经空间调制的光场强度图像和经空间调制的光场强度图像；

②神经网络数据集输入图像：分割出来的未经空间调制的光场强度图像直接作为输入图像。

③神经网络数据集标签：标签为激光近场的强度和相位分布，与输入图像相对应，即每一幅输入图像对应相应的强度和相位图像。强度和相位图像利用相位重建算法从分割出来的未经空间调制的光场强度图像中获取。步骤如下：

S1.假设P

S2.编码板复振幅透过率为M(x

T

S3.将T(x

U

其中，(x

S4.使用强度限制更新光场U

I(x

S5.将U'

T'

S6.用下式更新编码板前表面光场分布：

其中c是正的常量，一般取0-1之间的值，M

将P'

④利用所述方法创建的数据集训练激光近远场测量神经网络：网络模型采用残差UNet神经网络，模型见图4。

⑤测量激光近远场分布时，使用面阵探测器记录强度图，将未经调制的强度图像分割出作为神经网络的输入，神经网络输出两通道图像，分别对应近场强度和相位，将近场强度和相位组成复振幅并傅里叶变换，傅里叶变换后模值的平方值即激光远场的强度分布。

本实施例的高功率激光近远场测量装置及方法，通过采集光场强度图像，利用残差UNet神经网络来对待测激光的近场强度和相位进行预测，并进而得到相应的远场的强度分布，解决了高功率激光束近远场测量速度慢的问题，达到了对激光束近远场进行实时测量的目的。

同时，本实施例的高功率激光近远场测量装置还具有测量装置简单、测量信息完备、测量精度高的优点。

实施例三：

本实施例提供一种基于神经网络的大口径激光近远场测量方法，其测量装置如图5所示，沿待测激光的传播方向，光路上依次为：13、会聚透镜，2、光栅，3、编码板，6、面阵光电探测器。所述会聚透镜的特征为：将入射到其表面的激光束进行会聚。所述光栅的特征为：可将入射光分成分布完全相同的两束光，但在传播方向上，两束光错开一定角度。编码板的结构如图2所示，编码板由两个区域组成，其中一个区域为随机相位分布(或随机振幅分布)，可对光束进行空间调制；另一个区域无结构分布，光束通过时无调制作用。面阵光电探测器用于记录二维光场的强度图像，其记录的图像包含两个子区域，调制后的光场强度图像和未经调制的光场强度图像，其样式如图3所示。计算机具有数据采集和信号处理的软硬件系统。面阵光电探测器采集到的光场强度图像被计算机储存。

利用所述基于神经网络的激光近远场测量方法对激光束质量进行检测，该方法包括以下步骤：

A.装置校准：使用细准直激光束垂直照射到光栅中心位置，调整编码板的横向位置和轴向位置，使从光栅出射的两束光分别通过编码板(图2)两个子区域的中心。调整面阵探测器的横向位置和轴向位置，使得经空间调制的光束和未经空间调制的光束分别入射到探测器子区域的中心位置(图3)。

B.数据采集：使待测激光垂直入射到光栅的中心位置，面阵光电探测器开启曝光模式，计算机保存光电探测器单次曝光所记录的强度图像。

C.数据集获取：

①数据处理：将探测器记录的强度图像按照空间位置分割得到未经空间调制的光场强度图像和经空间调制的光场强度图像；

②神经网络数据集输入图像：分割出来的未经空间调制的光场强度图像直接作为输入图像。

③神经网络数据集标签：标签为激光近场的强度和相位分布，与输入图像相对应，即每一幅输入图像对应相应的强度和相位图像。强度和相位图像利用相位重建算法从分割出来的未经空间调制的光场强度图像中获取。步骤如下：

S1.假设P

S2.编码板复振幅透过率为M(x

T

S3.将T(x

U

(x

S4.使用强度限制更新光场U

I(x

S5.将U'

T'

S6.用下式更新编码板前表面光场分布:

其中c是正的常量，一般取0-1之间的值，M

将P'

④利用所述方法创建的数据集训练激光近远场测量神经网络：网络模型采用残差UNet神经网络，模型见图4。

⑤测量激光近远场分布时，使用面阵探测器记录强度图，将未经调制的强度图像分割出作为神经网络的输入，神经网络输出两通道图像，分别对应近场强度和相位，将近场强度和相位组成复振幅并传播至远场即可以得到远场的强度分布。

本实施例的高功率激光近远场测量装置及方法，通过采集光场强度图像，利用采用残差UNet神经网络来对待测激光的近场强度和相位进行预测，并进而得到相应的远场的强度分布，解决了高功率激光束近远场测量速度慢的问题，达到了对激光束近远场进行实时测量的目的。

同时，本实施例的高功率激光近远场测量装置还具有测量装置简单、测量信息完备、测量精度高的优点。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。