激光治疗是治疗糖尿病视网膜病变的主要手段之一。然而目前市面上的眼底激光治疗仪自动化程度不高,激光在眼底视网膜的定位和聚焦方面基本上都是依赖于医生手工操作,医生手工操作精度低,治疗效果差,严重时甚至会损害患者的视网膜,而且手工操作效率低,治疗时间长,会造成医生疲劳和患者不适的情况。针对上述问题,本文对眼底激光治疗智能辅助系统的关键技术进行深入研究。本文设计了眼底激光治疗智能辅助系统的总体设计方案,该系统主要由眼底数字图像采集单元、上位机软件控制单元、嵌入式激光控制单元组成,分析了各个模块在整个系统中的作用以及各模块之间的相互联系,详细分析了整个模块所选用到的硬件设备,详细介绍了各个硬件的详细参数信息。本文着重对眼底激光治疗智能辅助系统中的眼底特征识别算法进行研究,详细介绍了算法所涉及到的基础知识,并且基于双线性卷积神经网络结构,提出了双线性空洞卷积U-net神经网络模型算法,用于对眼底视网膜的中央凹区域和视盘区域的图像语义分割,详细分析了该神经网络模型的设计原理,阐述了该神经网络模型的搭建和实现过程,详细说明了眼底视网膜数据集的制作过程。本文基于振镜系统设计了嵌入式激光控制系统,详细说明了嵌入式激光控制系统的实现原理,推导了激光二维扫描的数学模型,并且以此设计了激光振镜扫描控制卡;设计了激光动态聚焦光学系统,详细计算了激光动态聚焦光学系统的光学传播模型,使用基于深度学习对激光进行动态聚焦。最后,我们对提出的双线性空洞卷积U-net神经网络进行测试,并将测试结果与常见的神经网络模型从准确率,运行速度和模型内存大小三个方面进行比较,发现本文提出的神经网络综合结果为最优。本文也对设计的嵌入式激光控制系统进行了实验环境搭建,控制软件设计,最后进行大量的实验测试,测试结果表明该嵌入式激光控制系统的定位精度,聚焦精度以及扫描速度可以大大满足实际医疗需求。