摘要：钛宝石晶体是超强、超短脉冲激光振荡源广泛采用的工作物质,其口径大小和表面全频域波面误差决定了超短、超强激光系统的输出能量和光束质量,然而由于大口径钛宝石晶体光学均匀性差及硬度高的特点,其实现高精度透射波前和超光滑表面加工很具挑战性。针对这一问题,设计了线偏振干涉光源检测方法,解决了钛宝石晶体双折射导致的透射波前检测干涉条纹无法解析的问题;基于对钛宝石晶体材料光学均匀性的检测分析,发展了基于单轴机的透射波前快速抛光收敛工艺;通过正交实验和灰关联分析法,利用小磨头抛光工艺实现了钛宝石晶体高精度透射波前低频误差和超光滑表面高频误差的加工;为改善中频误差,发展了基于硅溶胶抛光液的小磨头中频误差光顺工艺。实验结果表明:多手段组合的加工工艺可以实现大口径钛宝石晶体全频域透射波前误差的有效控制,针对直径为120 mm的钛宝石样件,透射波前峰谷值可达0.283λ(λ=632.8 nm),中频功率谱密度无明显的特定频段调制误差,高频表面粗糙度R_q约为0.262 nm,可达到超光滑量级。

摘要：针对自然条件下油茶果生长条件复杂,存在大量遮挡、重叠的问题,提出了一种基于RGB-D(red green blue-depth)多模态图像的双主干网络模型YOLO-DBM(YOLO-dual backbone model),用来进行油茶果的识别定位。首先,在YOLOv5s模型主干网络CSP-Darknet53的基础上设计了一种轻量化的特征提取网络。其次,使用两个轻量化的特征提取网络分别提取彩色和深度特征,接着使用基于注意力机制的特征融合模块将彩色特征与深度特征进行分级融合,再将融合后的特征层送入特征金字塔网络(feature pyramid network,FPN),最后进行预测。试验结果表明,使用RGB-D图像的YOLO-DBM模型在测试集上的精确率P、召回率R和平均精度AP分别为94.8%、94.6%和98.4%,单幅图像平均检测耗时0.016 s。对比YOLOv3、YOLOv5s和YOLO-IR(YOLO-InceptionRes)模型,平均精度AP分别提升2.9、0.1和0.3个百分点,而模型大小仅为6.21MB,只有YOLOv5s大小的46%。另外,使用注意力融合机制的YOLO-DBM模型与只使用拼接融合的YOLO-DBM相比,精确率P、召回率R和平均精度AP分别提高了0.2、1.6和0.1个百分点,进一步验证该研究所提方法的可靠性与有效性,研究结果可为油茶果自动采收机的研制提供参考。