[发明专利]基于深度学习的激光近场状态分析方法及装置

说明书

本申请公开了一种基于深度学习的激光近场状态分析方法及装置，方法包括：获取激光近场图像；对激光近场图像进行第一处理，得到第一图像；将第一图像进行第二处理，得到第二图像；将第一图像输入第一图像近场分析模型，得到第一图像分析结果；将第二图像输入第二图像近场分析模型，得到第二图像分析结果；根据第一图像分析结果和第二图像分析结果，得到激光近场状态分析结果。代替人工对激光近场状态进行分析，可以对激光近场异常状态的识别实现跨量级的耗时缩减。

技术领域

本申请涉及激光状态分析技术领域，特别涉及一种基于深度学习的激光近场状态分析方法及装置。

背景技术

激光的近场特征是衡量激光通光及健康状态的重要分析对象。对激光的近场状态进行分析，及时发现激光的异常，采取相应的措施，可以避免激光器故障的发生和元器件的损坏。

目前，采用人工观察的方式对的激光的近场状态进行分析，通过电荷耦合器件(Charge Coupled Device，CCD)采集激光近场图像，通过人眼对采集的激光近场图像进行观察，分析激光的近场状态是否存在异常。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：在激光路数较多或者激光状态分析实时性要求较高的情况下，采用人工观察的方式不能及时发现激光的异常状态。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种基于深度学习的激光近场状态分析方法及装置，以解决现有技术中在激光路数较多或者激光状态分析实时性要求较高的情况下，采用人工观察的方式不能及时发现激光的异常状态的技术问题。

在一些实施例中，基于深度学习的激光近场状态分析方法，包括：获取激光近场图像；对所述激光近场图像进行第一处理，得到第一图像；将所述第一图像进行第二处理，得到第二图像；将所述第一图像输入第一图像近场分析模型，得到第一图像分析结果；将所述第二图像输入第二图像近场分析模型，得到第二图像分析结果；根据所述第一图像分析结果和所述第二图像分析结果，得到激光近场状态分析结果。

在一些实施例中，用于激光近场状态分析的装置，包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行前述的基于深度学习的激光近场状态分析方法。

本公开实施例提供的基于深度学习的激光近场状态分析方法及装置，可以实现以下技术效果：

通过机器学习的方式训练得到第一图像近场分析模型和第二图像近场分析模型，第一图像近场分析模型用于识别全局异常，第二图像近场分析模型用于识别局部异常，采用本公开实施例提供的基于深度学习的激光近场状态分析方法及装置对激光近场状态进行分析，代替人工进行识别的方式，可以对激光近场异常状态的识别实现跨量级的耗时缩减。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的基于深度学习的激光近场状态分析方法示意图；

图2是本公开实施例提供的激光近场取样测量系统。

具体实施方式