多尺度增强特征融合的钢表面缺陷目标检测

针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,提出一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法采用提出的自适应加权融合模块为不同层级特征自适应计算融合权重,将深层语义与浅层细节进行加权融合,使得浅层特征在不丢失细节信息的同时获得丰富的深层语义。利用提出的空间特征增强模块从3个独立方向强化融合特征,通过引出残差旁路增强网络结构的稳定性,使卷积过程能够挖掘到更多的关键信息。根据先验框与真实框的整体交并程度为模型选择更为合适的训练样本。实验结果表明,该算法的检测精度达到80.47%,相比原始算法提升6.81%。该算法的参数量为2.36 M,计算量为952.67 MFLOPs,能快速且高精度检测钢材表面的缺陷信息,具有较高的应用价值。

基于量子点@有序介孔复合材料的Micro⁃LED色转换特性

量子点(Quantum dots)由于具有优异的光电特性,广泛应用于发光与显示、太阳能电池、光催化等领域,它的发现和合成获得了2023年诺贝尔化学奖。采用量子点色转换的Micro-LED全彩化显示技术无需巨量转移,有望实现大规模量产,然而,量子点在高强度Micro-LED出光激发下的性能和寿命仍存在局限。基于此,本文研究了基于量子点@有序介孔(QDs@SBA-15)复合材料的Micro-LED色转换技术及其特性,有序介孔分子筛载体独特的孔道结构不仅能够有效提升Micro-LED色转换和光提取效率,且致密的有序介孔材料也一定程度上保障了量子点的稳定性。首先,通过时域有限差分方法(FDTD)建立了Micro-LED仿真模型,探究量子点粒径和有序介孔材料的孔径对光提取效率的影响;基于仿真结果指导,进一步采用物理共混法制备了QDs@SBA-15复合材料,通过透射光谱、荧光激发光谱、紫外-可见光吸收谱等手段对其进行表征并确定浓度配比;最后,将该复合材料与聚二甲基硅氧烷(PDMS)混合固化成膜,并研究了其光致发光性能。实验结果发现,量子点粒径和介孔材料孔径的匹配度以及量子点和有序介孔材料的比例浓度是影响QDs@SBA-15复合材料发光效率及Micro-LED色转换性能的关键因素;通过优化,所得复合材料可获得优异的发光性能以及良好的环境稳定性,相比于纯量子点色转换层,复合材料的光提取效率提升了81.73%,复合材料的环境稳定性提升了14.33%,以Micro-LED作为蓝光光源组成的三基色发光器件工作色域达到了104.52%NTSC。本研究为量子点色转换Micro-LED显示技术提供了理论指导,为实现Micro-LED全彩化开辟了新路径。

单端注入型LED的光电特性与灰度调制技术研究

Micro-LED拥有出色的亮度、高发光效率、低能耗、高反应速度、超高解析度与色彩饱和度等优势,且具备自发光和感测能力,是一项十分理想的显示技术。传统的直流灰度调控方法不再适用于驱动单端载流子注入结构的交流型LED,本文根据单端注入型LED器件在不同频率、幅度、占空比以及交流驱动模式下的光电特性,提出一种基于人眼视觉特性的相对占空比混合式灰度调制方案。结果表明,正负方波驱动模式下的器件在相同电压和频率下表现出更强的发光亮度,并且器件随着驱动频率的增加,发光亮度逐渐提升。最后,结合人眼视觉特性,验证了发光器件在不同相对占空比、幅度、频率的混合式调制方法下实现了由2个灰度到8个灰度等级的提升,为未来新型发光器件灰度调制提供新思路。

具有超低工作电压的银纳米线阻变器件研究

具有高密度和自适应特性的随机银纳米线网络能够模拟神经元的复杂网络拓扑,在信息存储、选择器和神经形态计算领域中应用广泛。文章采用旋涂工艺在图像化电极衬底上制备了银纳米线器件,研究了不同银纳米线浓度和直径对其电学性能的影响,并最终实现了具有超低工作电压(0.01 V)的神经形态器件。实验结果表明,采用直径为30 nm的银纳米线和浓度为5 wt%的复合溶液所制备的随机网络能够实现可控的大开关比阻变行为。进一步,将该大开关比阻变行为作为器件的初始化过程,实现了银纳米线阻变器件在外加超低脉冲电压刺激作用下的可控突触可塑性行为。最后,通过对单个纳米结点中银纳米细丝的形成与断裂过程进行研究,进一步提出随机银纳米线网络在不同电刺激条件下的工作机理。本工作为新型神经形态器件中随机网络的物理实现和应用提供了新思路。

光电薄膜的检测与表征研究进展:角度、空间、时间分辨技术

高效、准确、全面地衡量光电薄膜,可以深入了解其结构特性、电学与光学特性等方面的信息,在器件的设计和性能优化方面发挥着关键作用。同时,光电薄膜的检测与表征也为光电薄膜材料的研究和开发提供了重要的理论基础和指导,推动了光电器件领域的技术进步和应用拓展,具有重要的学术意义和应用价值。近些年,涌现出多种新型检测与表征技术,然而相关综述文献较少,难以直观地了解各种最新表征方法的原理及其在器件性能优化中的具体应用。文章围绕角度分辨、空间分辨、时间分辨三个表征维度,综述了目前光电薄膜检测与表征技术的基本原理和特点,并介绍了相关技术在光电薄膜的发光特性、可视化空间异质性、载流子动力学等方面的应用进展。最后,讨论并展望了光电薄膜检测与表征技术的未来发展趋势。

基于多特征融合的人像HDR图像处理算法

基于深度学习的高动态范围(High Dynamic Range,HDR)图像处理算法在处理含有人像的图片时存在皮肤偏色问题。针对此问题,本文提出了一种基于多特征融合的人像HDR图像处理算法U2HDRnet。该算法由皮肤特征提取模块、三边特征提取模块、色彩重建模块3部分构成。首先,皮肤特征提取模块分离出皮肤区域的颜色和位置信息;其次,三边特征提取模块分别提取图片的局部特征、全局特征和语义特征,并与皮肤特征融合;最后,色彩重建模块对网格做空间和颜色深度上的插值。此外,本文引入改进的自注意力与卷积融合模块以提升HDR的处理效果;同时本文还制作了人像HDR数据集PortraitHDR,填补了该领域内数据集的空白。实验结果显示,U2HDRnet的PSNR达31.42 dB,SSIM达0.985,均优于目前常见的HDR算法,在获得高质量人像HDR图像的同时避免了皮肤的失真。

级联残差优化Transformer网络的图像超分辨率重建

为了扩展图像超分辨率算法中卷积神经网络在多个尺度特征上的自适应学习能力,提升网络性能,本文提出一种基于级联残差方法的Transformer网络优化结构进行图像超分辨率重建。首先,该网络采用级联残差结构,增强了网络对低阶和中阶特征的迭代复用和信息共享能力;其次,将通道注意力机制引入Transformer结构中,增强网络的特征表达和自适应学习通道权重的能力;最后,优化Transformer网络结构中的感知模块为级联感知模块,扩展网络深度,增强模型的特征表达能力。在数据集Set5,Set14,BSD100,Urban100和Manga109上进行放大2倍、3倍和4倍的重建测试并与主流方法进行对比,客观评价结果表明,在4倍放大因子的Set5数据集下,本文方法所得图像的峰值信噪比对比其他主流方法平均值提升1.14 dB,结构相似度平均值提升0.019。结合主观评价结果表明,本文方法相比其他主流方法的图像重建效果更好,恢复得到的图像纹理细节更清晰。

增强彩色电子纸饱和度的误差扩散优化

为解决彩色电泳电子纸因粘滞阻力等引起的显示颜色饱和度低、边缘模糊等问题,本文提出基于HSL空间的彩色电子纸边缘增强误差扩散算法,以提高图像显示质量。该算法首先将去噪图像利用边缘检测算子得到边缘增强图像,结合边缘增强图像像素邻域平均灰度、像素与邻域灰度差异和像素邻域相似度得到新RGB图像像素值。接着,新RGB图像通过阈值处理过程得到16色阶RGB图像。最后,16色阶RGB图像转换到HSL空间,建立HSL和RGB色彩空间的转换模型,根据像素点的亮度和饱和度计算出调整因子,从而增强RGB图像饱和度。该算法与传统的误差扩散算法相比,信噪比PSNR提高了3.9%~26.7%,UCIQE提高了10.1%~48.2%,相似度SSIM提高了13.2%~25.4%。主观评价参考ITU-R BT.500-1标准设计实验计算Z得分,最终本文算法处理后图像在彩色电子纸上显示的图像细节和颜色更加接近原图,整体视觉效果更好。

反向混合并联Micro LED/OLED显示器件的驱动IC控制

提出一种集成蓝光微发光二极管(Micro LED)和红绿光有机发光二极管(OLED),具有特殊子像素排列的新型无源驱动全彩显示器件.该器件无需巨量转移就可实现全彩化显示,且较传统全彩OLED及Micro LED,器件效率更高,寿命更长.另外,将蓝色与绿色子像素反向并联,可以减少电极走线,提高器件像素密度.针对该器件的特殊结构,设计一套全新的驱动方案,具体以现场可编程逻辑门阵列FPGA作为主控制器,利用驱动芯片提供稳定的电流点亮LED,实现器件的全彩显示.通过仿真测试进一步验证了该器件良好工作的可行性.

结合无跨步卷积和上下文的轻量化小目标检测方法

针对目标检测过程中小目标检测更容易出现漏检、错检等问题,提出了一种改进型的轻量化小目标检测算法NSCOT-YOLO。首先,设计了一种特征提取模块NSC-MFFM,使用无跨步卷积进行特征提取并通过多支路进行特征融合,以有效地避免小目标重要特征信息被忽略,提高模型的检测精度,并设计实验来确定放置模块的最佳位置;然后,添加一个更浅层的检测分支及检测层,同时去掉最深层的检测分支,使用含有丰富上下文信息和共享权重的C-Cot模块替代YOLOv8s的检测层,更好地分离小尺度目标和噪声背景;最后,引入轻量高效的GhostConv模块,在不显著降低模型准确度的前提下,让模型参数量大幅下降。在公开的VisDrone2019-DET数据集上评估了所提算法的有效性。实验结果表明:NSCOT-YOLO算法的mAP@0.5和mAP@0.5∶0.95分别为38.3%和22.0%,与YOLOv8s算法相比分别提高了5.5和3.2个百分点,模型参数量为6.8×10^(6),与YOLOv8s相比减少了39%。可见,提出的NSCOT-YOLO算法在保证模型轻量化的同时,大幅提高了对小目标物体的检测精度。

镉系量子点材料的制备及其发光二极管结构优化

量子点(QDs)纳米晶体具备出众的窄半峰宽,且尺寸和发光波长易调节等优点,成为纳米材料领域的新星,而量子点电致发光二极管(QLED)的应用也随之得到研究人员的关注。文章的研究通过材料配比的设计,调节CdZnS-QDs的尺寸和发光波长,使其在CdSe-QDs基QLED中辅助器件的性能提升,最终能得到光致发光波长在425~455 nm的蓝紫色CdZnS-QDs。使用宽带隙的CdZnS-QDs作为器件的无机插入层材料,能够对CdSe-QDs作为发光层的QLED的能带匹配、激子传递和界面修饰等进行优化。通过对比实验探索最佳的QDs合成策略,精确控制QDs的发光峰位,并将得到的结晶性强且尺寸均匀的量子点制备CdSe-QDs基电致发光器件,在发光层与无机电子传输层之间插入制备的CdZnS-QDs,得到的器件在电流密度为1000 mA/cm^(2)时,亮度从227188 cd/m^(2)提升到313775 cd/m^(2),最大的电流效率达到38.1 Cd/A。该方法可以为QLED结构的设计提供新的思路。

碳纳米管包覆的MoS_(2)锂电负极材料制备及其性能研究

二硫化钼(MoS_(2))作为一种出色的二维层状材料,是锂离子电池负极的理想候选材料。然而,由于MoS_(2)二维层状结构的堆叠性、充放电过程中的体积膨胀以及自身的低电导率等问题,限制了其在锂离子电池中的发展。文章将MoS_(2)与有机碳源葡萄糖复合,合成出了MoS_(2)@C的复合材料,实验表明,不同含量葡萄糖碳化后形成的碳纳米管对水热生长存在MoS_(2)明显的影响,通过调控葡萄糖的含量合成出在碳纳米管内层生长的MoS_(2)@C复合材料,其具有较高的比容量,以及更好的结构稳定性,在充放电过程中的比容量衰减更小。其作为锂离子电池负极材料时,在0.2 Ag^(-1)的电流密度下循环100次后保持680.7 mAhg^(-1)的比容量;在1 Ag^(-1)的电流密度下,循环1000次后仍可保持580.9 mAhg^(-1)的可逆比容量。同时,分析了MoS_(2)@C在水热过程中的硫化反应进程,为合理制备MoS_(2)与碳的复合材料提供新的路径。径。

基于内场发射原理的无载流子注入型量子点发光器件光电研究

工作于无载流子注入工作模式下的量子点电致发光器件因其简单的结构而受到关注。由于没有外部载流子参与电致发光,揭示该器件稳定工作时所需载流子的来源对于理解器件工作机理、优化器件结构具有重要价值。文章研究了多层量子点薄膜在无载流子注入工作模式下的光电特性,实验结果表明:发光强度会随着交流驱动电压的幅度的增加迅速增加到一个最大值,然后逐渐降低;同样地,发光强度会随着交流驱动频率的增加而增加,然后逐渐降低。此外,在不同电压和频率下该发光谱具有完全相同的中心波长和半峰宽。结合量子点之间存在的绝缘有机配体环境,提出了基于内场发射原理的多层量子点无载流子注入发光模型。该研究有望为获得先进量子点发光技术提供参考。

基于Sn-MOF组装的C/SnS/MoS_(2)纳米管及其锂离子电池性能研究

二硫化钼(MoS_(2))以高理论容量(662 mAhg^(-1))和较大层间距(0.62 nm)一直是锂离子电池负极材料的研究热点。然而,由于MoS_(2)的固有电子/离子导电率差且充放电循环过程中电极材料的体积变化严重,导致MoS_(2)的比容量迅速衰减,阻碍了MoS_(2)材料作为电池电极。在这项工作中,设计并合成了一种新型的C/SnS/MoS_(2)纳米管。具体来说,将Sn以Sn-MOF的形态包覆在一维的MoO3纳米带上,然后硫化得到保留了表面纳米片结构的C/SnS/MoS_(2)纳米管。这种制备方法不仅保留了表面的纳米片结构,也在表面留下来一层薄薄的非晶碳。得益于优越的结构设计,且SnS与MoS_(2)存在着协同作用,这不仅提高了导电性,并且也提升了电池循环的稳定性。做为电极材料时,复合材料能够在0.1 Ag^(-1)电流密度下80次循环后还保持着1110.2 mAhg^(-1)的放电比容量,在2 Ag^(-1)大电流密度下860次循环后保持801.7 mAhg^(-1)的放电比容量。

改进的YOLOv5s太阳能电池片缺陷检测算法

针对太阳能电池片缺陷检测方法存在精度低的问题,提出一种基于改进的YOLOv5s太阳能电池片表面缺陷检测算法。首先,为了解决电池片小目标缺陷检测问题,提出了上下文Transformer网络(CoT),可以为小目标提供全局上下文信息,帮助模型更好地预测小目标。其次,将CBAM注意力加入到Head部分的C3模块,能够更好地捕捉输入特征图的重要通道和空间位置,提高模型的性能和鲁棒性。接着,使用轻量级的通用上采样算子CARAFE减少上采样过程中特征信息的损失,保证了特征信息的完整性。最后,使用WIoU作为边界框损失函数,大幅提升了回归的准确性,并且有助于快速实现模型的收敛。实验结果显示,改进后的YOLOv5s相较于原始算法在Precision、Recall、mAP@0.5三个指标上分别提高了5.5%、4.1%、3.3%,检测速度达到了76 FPS,满足太阳能电池片缺陷检测要求。

不同色温环境光下彩色电润湿电子纸的色彩校正

针对反射式显示器彩色电润湿电子纸在不同色温环境光下显示颜色不一致,影响显示图片色彩还原度的问题,提出一种基于彩色电润湿电子纸光谱反射率特性的色彩校正方法。通过彩色电润湿电子纸的光谱反射率特性,得到不同色温环境光下显示颜色的光谱对应关系,以此建立不同色温环境光下彩色电润湿电子纸显示颜色的映射关系,并根据该映射关系对输入颜色数据进行校正,从而减小不同色温环境光下显示颜色的色差。设置标准光源A(5000 K)、实验光源B(3500 K)和实验光源C(6500 K)对样品进行测试。在两个实验光源下,测量100个测试色块在经过本文方法校正前后的色度数据。实验结果表明,校正前后显示颜色与标准光源下显示颜色的平均色差分别减小了55%和35%,校正后的显示图像平均主观评价Z得分分别为0.45和0.25。

晶圆级Micro-LED芯片检测技术研究进展

随着微型氮化镓(GaN)发光二极管(LED)制造工艺的不断进步,Micro-LED显示有望成为新一代显示技术并在近眼显示、大尺寸高清显示器件、柔性屏幕等领域大放异彩。在Micro-LED显示众多技术环节中,晶圆级Micro-LED芯片的检测是实现坏点拦截,提升显示屏良品率、降低整机制造成本的关键环节。针对大数量(百万数量级)、小尺寸(<50μm)的晶圆级Micro-LED芯片阵列,现有的电学检测手段存在检测效率低、成本高等缺点。因此,提高检测效率、提升检测准确度、降低检测成本是晶圆级Micro-LED检测技术的发展趋势。本文首先介绍了晶圆级Micro-LED芯片检测时所需要检测的几个指标,其次详细介绍并分析了现有的或已经提出的检测手段,最后对晶圆级Micro-LED芯片检测技术进行总结并展望了未来技术发展方向。

点云与图像融合的无监督异常检测算法研究

针对多模态工业检测中高维特征之间存在干扰,导致检测率不理想的问题,提出了一种基于标准化流的多模态工业异常检测方法。首先提取图像的3D点云的深度信息将其作为第4个通道添加到RGB图像中,生成融合后的RCBD图像,然后使用预训练的特征提取网络提取融合后的图像特征,最后使用特征训练得到一个用于异常检测的标准化流模型。实验结果表明,异常检测模型在MVTec 3D-AD数据集的平均Pixel AUROC达到95.8%,平均AUPRO达到86.2%。相较于其他模型分别提升了2.6%和9.1%。

基于Transformer人像关键点检测网络的研究

为解决目前基于卷积网络的关键点检测模型无法建模远距离关键点之间关系的问题,提出一种Transformer与CNN(卷积网络)多分支并行的人像关键点检测网络,称为MCTN(multi-branch convolution-Transformer network),其利用Transformer的动态注意力机制建模关键点之间的远距离联系,多分支并行的结构设计使得MCTN包含共享权重、全局信息融合等特点。此外,提出一种新型的Transformer结构,称为Deformer,它可以将注意力权重更快地集中在稀疏且有意义的位置,解决Transformer收敛缓慢的问题;在WFLW、300W、COFW数据集的人像关键点检测实验中,归一化平均误差分别达到4.33%、3.12%、3.15%,实验结果表明,MCTN利用Transformer与CNN多分支并联结构和Deformer结构,性能大幅超越基于卷积网络的关键点检测算法。

基于GAN的轻量级水下图像增强网络

由于光在水下存在吸收与散射,导致水下图像存在颜色失真和细节损失,严重影响了后续水下目标的检测和识别。本文提出了一种轻量级全卷积层的生成式对抗神经网络模型(DUnet-GAN)来增强水下图像。针对水下图像的特点,提出了多任务目标函数,使得模型从感知图像的整体内容、颜色、局部纹理和风格信息等方面来增强图像的质量。此外,与现有的一些重要的模型做了对比,进行了定量的评估。结果表明,在EUVP数据集中本文所提模型峰值信噪比在26 dB以上,结构相似度为0.8,参数量为11 MB,仅为其他达到同等性能模型参数量的5%且比26 MB参数量的FUNIE-GAN指标更好。同时UIQM为2.85,仅次于Cycle-GAN模型,且主观增强效果显著。更重要的是,增强后的图像为水下目标检测等模型提供了更好的性能,也满足了水下机器人等设备对模型的轻量化要求。