针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题, 提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像, 并将图像拼接在一起以获得其清晰图像; 同时引入通道注意力机制来增强模型的特征提取能力, 建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型, 并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%, 每秒可检测到约50张靶丸图像（分辨率3072×4096）, 为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。

针对激光聚变靶丸内表面轮廓高精度无损测量的迫切需求, 研制了一套激光聚变靶丸内表面轮廓测量系统。该系统通过最小二乘算法(LSC)计算出靶丸回转偏心量, 并利用偏心调整台对靶丸偏心进行自动快速调整; 然后, 系统软件控制气浮回转轴承驱动靶丸旋转, 利用激光差动共焦传感器(LDCS)轴向响应曲线过零点及光线追迹算法精确计算出靶丸内表面轮廓上每个采样点的几何位置; 最后, 对靶丸内轮廓测量数据进行LSC评定得到其圆度信息。实验证明, 靶丸回转偏心的自动调整时间可达22 s, 当采样点分别为1 024, 2 048及4 096时, 靶丸内轮廓测量时间分别可达10, 20及40 s, 且圆度测量标准差可达19 nm(1 024点)。该系统实现了靶丸回转偏心的自动快速调整及其内轮廓的高精度、无损、快速、自动测量。

为了从海量激光聚变靶丸中高效检测出符合激光核聚变试验要求的靶丸, 提出一种针对靶丸流水式测量的快速筛选技术。所提技术利用机械臂控制显微镜逐一对待测靶丸放大并通过CCD成像, 利用空间矩亚像素细分算法计算出靶丸的亚像素级轮廓信息, 进行圆度评定, 并根据圆度大小对靶丸进行筛选。通过机械臂和靶丸放置盘之间的三维运动配合, 可遍历测量所有待测靶丸。经过理论及实验证明该方法空间分辨力优于0.51μm, 可快速、精确地对海量靶丸进行初步筛选。

根据空心玻璃微球(HGM）耐内、外压能力与玻璃强度及形状因子的关系,用分步加压法测量了直径为350～550μm,壁厚小于1.1μm的3种配方HGM的耐内、外压能力及HGM玻璃的杨氏模量和拉伸强度,并由强度测定值给出了不同直径与壁厚HGM的耐内、外压能力的计算式,分析了测量误差,提出了改进方案。