针对光路对接准直目标识别算法对双目标粘连状态无法判别的问题，提出了基于二进制大对象（Binary Large Object，BLOB）区域和边缘特征分析的准直图像双光学目标识别方法。首先，对二值化图像进行数字形态学处理，计算全图各BLOB区域的面积、中心、轴长、区域、有效BLOB区域个数等信息。其次，对有效BLOB区域个数大于1的完全分离双目标准直图像，统计各BLOB区域中心分别为位于两个面积最大的BLOB区域内的BLOB数量，数量小的候选BLOB区域为主激光目标，数量大的候选BLOB区域为模拟光目标。然后，对于有效BLOB区域个数等于1的待识别图像，从左、右、上、下4个方向分别提取模板边缘图像的有效坐标序列和待识别边缘图像坐标序列，搜索有效坐标序列和待识别边缘图像坐标序列的最大相关系数对应的有效坐标序列。当4个方向的相关系数全部大于0.95时，待识别图像为模拟光目标；当4个方向的相关系数都小于0.95时，待识别图像为主激光目标；否则待识别图像为粘连图像。实验结果表明：提出的双光学目标识别算法，不仅能够识别完全分离的模拟光目标和主激光目标，误差小于3个像素，处理时间小于1 s，而且能够判别处于粘连状态的光学目标和单个独立的光学目标，满足光路对接准直图像识别算法对于自适应性、精度和效率的要求。

电路板红外温度序列包含了丰富的故障类别信息，充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此，文中提出了一种由特征提取网络（Features Extraction Network，FEN）与关系学习网络（Relationship Learning Network，RLN）并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中，FEN基于多尺度膨胀卷积（Multi-scale Dilated CNN，MDCNN）残差结构搭建，可在不增加训练参数的前提下构建多层次感受野，学习温度序列不同范围的空间特征；RLN基于嵌入长短期记忆网络的注意力机制（Long Short-Term Memory hybridized with Attention，LSTMwAtt）结构搭建，通过控制温度序列信息传递来学习特征重要性并分配权重，挖掘不同位置特征间的相关性。实验结果显示，所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN，故障诊断准确率分别达到91.15%和96.27%，可实现对电路板故障的高准确率诊断。

针对强激光远场测量不能有效识别旁瓣光束任意方向各个旁瓣波峰参数的问题，提出了基于旁瓣光束衍射反演的远场测量旁瓣波峰参数的检测方法。对旁瓣光束图像按照选定的角度采样间隔进行量化，使用角度变换将二维旁瓣光束图像转化为全方向的一维旁瓣光束曲线集合，检测每一个角度的一维旁瓣光束曲线的各个旁瓣波峰参数，从而获得旁瓣光束任意方向各个旁瓣波峰的参数。主要优化措施为：（1）使用角度变换将二维旁瓣光束图像转化为全方向的一维旁瓣光束曲线集合；（2）检测每一个角度的一维旁瓣光束曲线的各个旁瓣波峰的参数，统计所有方向的各个旁瓣峰值，生成每个旁瓣波峰的极大值圆环；（3）统计每个旁瓣波峰极大值圆环的灰度均值，将各个旁瓣波峰极大值圆环的灰度均值与本底噪声进行比较，选择大于本底噪声1.5倍的最小波峰均值为整个旁瓣光束的最小可测旁瓣波峰信号。实验结果表明：该方法能够有效检测旁瓣光束任意方向各个旁瓣波峰的参数，任意方向上灰度极大值均值与理论值灰度极大值误差为0.477，5个波峰的极大值圆环半径均值与理论值半径之间误差小于1个像素。该方法提高了基于旁瓣光束衍射反演的远场测量的实验精度和可信度，为将来大科学装置强激光远场的精确测量奠定基础。

针对原有大型激光装置在双光学目标条件下无法实现光路对接准直的缺点，本文提出了一种基于双目标识别和准直数学模型改进的光路自动准直方法，主要从双目标识别算法实现和多光路、双目标准直数字模型的构建两个方面进行优化。首先，提出基于圆拟合的双光学目标识别图像处理算法，实现了双光学目标的识别，为光路对接准直的成功提供保障；其次，构建新的多光路、双目标自动准直数学模型，为光路准直中各个准直参数的标定和计算提供指导；最后，优化准直流程的调度，对多个光路进行并行准直，提高光路对接准直流程的效率。实验结果表明：本文提出的基于圆拟合的双光学目标识别算法实现了光路对接准直流程中的模拟光目标和主激光目标的识别，识别误差精度小于3个像素，处理时间小于1 s，满足了大型激光装置光路对接准直过程对于精度和效率的要求。本文构建的基于多光路、双目标自动准直数学模型对于光路对接准直流程的成功具有指导意义。