针对铝型材表面缺陷种类多、尺度差异大、小目标容易漏检等问题，提出了KCC-YOLOv5——一种基于YOLOv5s改进的铝型材表面小缺陷检测模型。首先利用IoU（intersection over union）-K-means++算法代替K-means算法聚类锚框，获得最贴合铝型材表面缺陷的锚框，提高小目标锚框的质量；其次，提出全局注意力模块C3C2F，并引入主干层，在减少参数量的同时增强小目标的语义信息和全局感知能力；最后将颈部最近邻插值上采样方式换为轻量级上采样算子CARAFE（content-aware reassembly of features），充分保留上采样特征图的小目标信息。实验结果表明，改进模型KCC-YOLOv5的均值平均精度为94.6%，相比于YOLOv5s提高了2.8个百分点，小目标漆泡和脏点的平均精度分别提高了5.2和12.4个百分点。KCC-YOLOv5模型在保持大目标检测精度小幅度提升的同时显著提升了小目标的检测精度。

光纤是现代通信系统及量子保密通信网中不可或缺的传输介质。针对光纤端面缺陷对光传输系统造成传输质量下降甚至永久性损伤的问题，提出了一种改进YOLOv5算法的光纤端面检测模型YOLOv5_CS。该模型首先将轻量化网络ShuffleNetV2作为主干特征提取网络，利用深度卷积操作以及通道随机混合策略，缩减模型容量，丰富特征信息；随后引入卷积注意力机制（CBAM），同时在空间维度和通道维度上进行特征增强，提升网络性能；最后缩减特征融合层的卷积核数量，实现进一步的模型压缩，并利用数据增广技术构建的光纤端面数据集，对所提方法的有效性进行对比验证。结果表明，与YOLOv5算法相比，所提模型的模型容量压缩了80%，检测速度提升了31.1 frame/s，均值平均精度（mAP）提高了1.7%，能够较为准确以及实时地检测光纤端面缺陷。此项工作面向便携式智能检测装置的研制，可为光纤端面缺陷检测及相关视觉传感产业提供技术支持。

针对激光惯性约束聚变实验中的靶丸等微球表面缺陷的真实高度测量问题,为解决现有测量方法存在的缺陷跃变处2π整数倍相位缺失问题,提出一种基于垂直扫描白光干涉技术的零位显微干涉测量方法。该方法采用白光球面零位干涉思想,通过垂直扫描球面干涉获取全视场白光干涉图,然后运用七步移相算法及蝙蝠翼校正算法实现靶丸表面缺陷的形貌计算,最后将白光干涉测量法与激光干涉测量法进行对比实验。结果表明,白光干涉法能够有效解决激光干涉法在缺陷跃变处的2π整数倍相位缺失问题,实现靶丸表面缺陷的真实高度测量,从而扩展靶丸类微球表面缺陷的测量范围。

单晶硅是一种重要的半导体材料。通常,铸锭切片后的单晶硅表面易产生较深的沟槽、凹坑和裂纹等缺陷。针对这一问题,提出了一种双步激光辐射的方法,其在修复表面缺陷的同时,可以降低表面粗糙度。首先,通过有限元法模拟对不同激光参数下可修复的缺陷深度进行预测。然后,在0.50 J/cm ²的较高能量密度下,利用较深的表面层熔化修复各种深度的表面缺陷。然而,由于高能量密度下引发的热毛细管流易造成高频特征残留在表面上,故会导致表面粗糙度增加。接着,使用一个0.20 J/cm ²的低能量密度再次辐射同一表面,可有效消除残留的高频特征。最终,原始表面粗糙度为1.057 μm的表面经过双步激光辐射后可获得一个表面粗糙度为26 nm的无缺陷光滑表面。

为了解决激光超声检测过程中定量识别表面缺陷深度较困难的问题,提出了一种粒子群(PSO)优化BP神经网络表面矩形缺陷深度定量识别方法。基于热弹机制,利用有限元软件COMSOL建立了利用激光超声检测含有表面缺陷铝材料的有限元模型,得到了脉冲激光照射下不同深度缺陷对应的透射波信号,提取透射波信号的时域峰值、中心频率、频域上3 dB带宽、上限截止频率和下限截止频率等多个变量作为神经网络的特征向量,建立了PSO-BP神经网络缺陷深度定量识别模型,实现了0.1~3 mm深度缺陷的定量识别。计算结果表明:经过粒子群算法优化后的BP神经网络能够准确地识别出金属表面缺陷的深度信息,识别相对误差在6%以内,结果证明了该神经网络模型对矩形缺陷深度的识别具有一定的可行性和准确性。