基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。

样本量对激光诱导击穿光谱技术在煤质灰分检测的影响研究

为了提高激光诱导击穿光谱技术在定量检测煤质灰分时的精度,对同一煤矿的77个标准煤样进行光谱数据采集,使用偏最小二乘法(PLS)对不同数量的样本数据进行建模,再用剩余样品进行预测验证。实验结果表明:基于偏最小二乘法的灰分预测模型在训练样本数量小于60个时,建模精度较差,合格率约为35%,随着训练样本的增加,预测精度逐渐提高,当样本量达到67个时,预测精度基本稳定,合格率为90%,当训练样本数量为70个时,预测精度最佳,合格率为100%,仅有一个预测偏差大于0.6%,继续增加训练样本至76个时,预测精度变差,合格率变为83%,出现过拟合问题,当训练样本的数量不变时,增加单个样本的光谱数据,可显著提高模型的预测精度。研究结果表明,基于偏最小二乘回归法的定量分析模型,可根据预测结果选取合适的训练样本数量,构建出精度较高的煤质灰分预测模型,为进一步研发检测仪器提供技术支撑。

基于激光诱导击穿光谱技术的煤矸分选方法研究

煤矸分选是煤矿生产的必要工序,对于提高煤炭的清洁利用效率、提升煤矿的生产质量均有至关重要的作用。为了提高煤矸分选的准确率和降低生产成本,提出1种基于激光诱导击穿光谱技术(LIBS)的煤矸分选方法。通过LIBS对同一产地10个块煤样品和10个矸石样品的表面进行激发,并收集光谱数据后对其进行分析处理;基于煤和矸石的主要矿物成分为Si、Al、Ca、Fe、Mg、K、Na、Ti该8种主要元素,通过计算每次收集光谱数据中主要元素的相对标准偏差(RSD)以分析结果的重复性,再根据主要元素的特征谱线波峰面积对煤和矸石进行分类。实验结果表明,激光诱导击穿光谱技术对煤矸分选具有有效性,可利用煤和矸石的不同元素组成进行样品分类鉴别,从而提高煤矸分选效率,以期为进一步研制煤矸石智能分检仪器设备提供技术支撑。

激光相位对空间构型光晶格中超冷原子干涉对比度的影响

利用功率反馈排除晶格阱深波动导致的不稳定性后,主要研究了激光在空间或介质中传输的相位波动对晶格中超冷原子对比度的影响。通过晃动光晶格,人为引入可控相位噪声来测量其对原子对比度的影响,发现不同强度的相位噪声对实验结果的影响显著不同。但是小强度的相位噪声对超冷原子干涉对比度的影响并不明显,目前干涉对比度的测量精度并不能完全反映出激光相位对冷原子系统相干性的影响,说明这种空间构型光晶格在捕获超冷原子方面具有较高的稳健性。所提出的激光相位锁定技术可以有效减少晶格系统中的相位噪声,为未来空间构型光晶格中更精密的测量提供了基础。