基于红外图像处理的建筑外窗缺陷能耗分析研究

将红外热成像技术与图像处理技术结合,用压差法进行建筑外窗空气渗透检测。通过红外热成像仪对建筑外窗进行红外图片采集,利用图像处理技术对采集的外窗图像进行红外图像处理,针对红外图像中的异常区域对外窗缺陷进行检测,并进行缺陷的面积计算,建立外窗缺陷红外检测模型。根据实验测得的室内外温差、外窗缺陷面积、空气渗透量建立建筑外窗空气渗透量计算模型,将模型与建筑外窗缺陷红外检测模型结合,对外窗缺陷引发的能耗进行定量分析。结果表明:对外窗缺陷进行维护,能够减少外窗耗能,提高外窗节能。外窗每减少1 cm^(2)的空气渗透面积,每年能够节能66146 kJ;外窗气密性能等级每提高1级,单位面积外窗每年能够节能110012 kJ。

TiAl的平面缺陷能与R现象的电子理论

金属间化合物ＴｉＡｌ是极有发展前景的新一代高温结构材料，其Ｒ现象受到广泛研究。首先根据固体与分子经验电子理论（ＥＥＴ）由ＢＬＤ方法计算了ＴｉＡｌ的价电子结构，然后通过分析位错在ＴｉＡｌ（１１１）面上滑移前后原子排列关系的变化，由键能公式近似计算了三种平面缺陷ＡＰＢ，ＣＳＦ和ＳＦ的能量。据此分析了ＴｉＡｌ的Ｒ现象的内在机制。结果表明，由于ＴｉＡｌ的ＡＰＢ能量远大于ＳＦ的，ＴｉＡｌ的Ｒ现象不可能是单一Ｋ—Ｗ位错交滑移钉扎机制独立所为，因温度激活导致的孪生交割钉扎机制也有很大的贡献。

CdZnTe晶体的缺陷能级分析

通过测试富Cd原料无籽晶垂直布里奇曼法生长出的高阻Cd0.8Zn0.2Te(CZT)单晶体的I T特性曲线,利用热激活能原理来分析单晶体内的缺陷,结果得到晶体中有一个由镉空位引起的电子陷阱,其深度为0.539eV。由于俘获能级有较高的激活能,在常温下,价带上的载流子不会被激发,所以该晶体适用于制作室温核辐射探测器。另外还研究了CZT晶体在室温下的I V特性,测得采用该方法生长的CZT单晶体电阻率高达5.0×1010Ω·cm,制作的核辐射探测器在室温下获得了比较好的241Am59.5keV能谱。

(CdSe)_1/(ZnSe)_1应力半导体材料缺陷能级

用实空间 Recursion方法计算 (Cd Se) 1 / (Zn Se) 1 应力半导体材料的总态密度、局域态密度、分波态密度 ,研究了局域特性和缺陷能级 ,得出了一些有价值的结论。

混凝土内部缺陷能力比对样品制备研究

为完成混凝土内部缺陷(超声法)能力比对项目,制备了一批混凝土试样,验证了混凝土试样的稳定性和均匀性。结果表明:能力比对样品的稳定性和均匀性均符合《能力验证样品均匀性和稳定性评价指南》(CNAS-GL03)中规定的要求。

Hg_(1-x)Cd_xTe深缺陷能级研究

利用深能级瞬态谱(DLTS)研究了Hg_(1-x)Cd_xTe(x=0.4)p^+n光伏二极管中的缺陷能级.通过改变注入脉冲条件,获得2个电子陷阱和2个空穴陷阱,电子陷阱的能级位置分别为E(0.06)和E(0.15),空穴陷阱的能级位置分别为H(0.075)和H(0.29).这些深能级的浓度约为浅能级浓度的百分之几.通过改变注入脉冲的宽度,测量了这些能级的多子俘获截面,根据这些深能级的特征参数,估算了器件的少子寿命和零偏压的动态电阻与面积的乘积,并讨论了一些缺陷能级的本质.

高阻In掺杂CdZnTe晶体缺陷能级的研究

利用低压垂直布里奇曼法制备了不同In掺杂量的CdZnTe晶体样品,采用低温光致发光谱(PL)、深能级瞬态谱(DLTS)以及霍尔测试等手段研究了In掺杂CdZnTe晶体中的主要缺陷能级及其可能存在的补偿机制.PL测试结果表明,在In掺杂样品中,In原子占据了晶体中原有的Cd空位,形成了能级位于E_c-18meV的替代浅施主缺陷[In_(Cd)^+],同时[In_(Cd)^+]还与[V_(Cd)^(2-)]形成了能级位于E_v+163meV的复合缺陷[(In_(Cd)^+-V_(Cd)^(2-))^-].DLTS分析表明,掺In样品中存在导带以下约0.74eV的深能级电子陷阱能级,这个能级很可能是Te反位[Te_(Cd)]施主缺陷造成的.由此,In掺杂CdZnTe晶体的电学性质是In掺杂施主缺陷、Te反位深能级施主缺陷与本征受主缺陷Cd空位和残余受主杂质缺陷补偿的综合结果.

氧化锌纳米颗粒缺陷能级发光特性研究

报道了在室温下用荧光光谱仪和飞秒脉冲激光激发诱导光致发光,获得氧化锌纳米颗粒(平均直径约为10nm)缺陷发光光谱的实验,验证了氧化锌纳米颗粒缺陷能级的位置。锌填隙缺陷在距离导带底0.4eV处产生浅施主能级,锌空位缺陷在价带顶0.3eV处产生浅受主能级,氧锌替位缺陷在价带顶1.08eV处产生深受主能级,在导带底1.56eV处有氧空位缺陷引起的深杂质能级产生,氧填隙缺陷在价带顶1.35eV处产生深受主能级。

短波HgCdTe光电二极管中缺陷能级对器件性能的影响

利用变频导纳谱研究了Ｈｇ１－ｘＣｄｘＴｅ（ｘ＝０．６）ｎ＋－ｏｎ－ｐ结中的深能级缺陷，得到其缺陷能级位置在价带上０．１５ｅＶ，同时给出了其俘获截面和缺陷密度，初步认为是Ｈｇ空位或与其相关的复合缺陷．根据深能级的有关参数，估算了器件的少子寿命和器件优值参数Ｒ０Ａ．

金属缺陷能量学基础及掺杂晶界电子结构

本文综述了我们发展建立的第一原理原子间相工作用势及原子间相互作用能的理论计算方法同时报告了在金属缺陷、掺杂晶界电子结构及晶体基本性质的研究中，能量函数作为理论基础的里要应用另一方面、基于第一原理及Green函数方法研究了具有重要应用潜势的金属间化合物的电子结构及掺杂效应，揭示了杂质-晶界复合的量子效应及其与合金特性及位错反应的相关机制；指出B，N等元素具有强化晶界作用，P，S为脆化元素。

电子辐照高阻NTD硅中缺陷能级和少数载流子寿命

近十几年来,用中子嬗变技术在硅中进行磷掺杂,可获得n型高阻NTD硅单晶,用电子辐照在硅中引入复合中心以降低少子寿命的方法,也引起人们的极大关注.为此,我们将NTD硅制成p^+n结二极管,经电子辐照后,分别从深能级瞬态谱(DLTS)测量中获得相应的缺陷能级、俘获截面和浓度等参数,并用二极管反向恢复时间法,测量了这些样品的少子寿命.对所得结果作出初步的分析讨论.

N型LPE和VPE-GaAs电子辐照缺陷能级的研究

用深能级瞬态谱(DLTS)法,结合表面光伏(SPV)法,研究了1MeV能量和不同剂量的电子辐照下对N型液相外延(LPE)、汽相外延(VPE)GaAs层逐次引入的缺陷和400—500K温区等时退火行为.讨论了随辐照剂量逐次增大及等时退火后缺陷浓度N_T的变化,以及根据L^2/D对N_T^(-1)作图来判别电照引入的“E”缺陷能级中对少子寿命起主要控制作用的复合中心能级.

高阻NTD-FZ-Si-P^+n结电子辐照缺陷能级N_2气氛的退火特性

报导了高阻（８１～１１０Ω·ｃｍ）ＮＴＤＦＺＳｉＰ＋ｎ结中电子辐照缺陷态的退火特性。在Ｎ２气氛保护下进行等时、等温退火，测量了它们的ＤＬＴＳ谱和相应的少数载流子寿命，并对结果进行了分析讨论。

基于融合MBAM与YOLOv5的PCB缺陷检测方法

随着电子信息产业迅速发展,PCB行业作为电子信息产业的基础,其产品质量对后续生产的电子产品有着决定性影响。针对PCB缺陷目标较小,缺陷类型多,特征不明显,在实际生产过程中易产生误检、漏检等问题,提出了一种多分支注意力MBAM模块方法,在3个不同维度对特征图进行关注,以增强特征提取的能力,对缺陷区域给予更多的注意力表示。通过改进YOLOv5结构,将MBAM与YOLOv5网络结合,有效的提升了对PCB中小目标的检测性能。最后通过在网络不同位置添加MBAM模块进行对比实验,选取了最佳的添加位置。通过在PCB缺陷数据集上的实验结果表明,改进后的PCB缺陷检测算法具有良好的检测性能,优于其他对比算法,最终的AP达到了96.7%,对比标准YOLOv5的94.7%提高了2个百分点,其他项指标均有涨点,在保持检测速度基本不变的情况下,精准地识别PCB缺陷类型。

改进YOLOv7算法的钢材表面缺陷检测研究

当前,基于深度学习的智能检测技术逐步应用于钢材表面缺陷检测领域,针对钢材表面缺陷检测精度低的问题,提出一种高精度实时的缺陷检测算法CDN-YOLOv7。加入CARAFE轻量化上采样算子来改善网络特征融合能力,融合级联注意力机制和解耦头重新设计YOLOv7检测头网络,旨在解决原始头网络特征利用效率不高的问题,使其充分利用各尺度、通道、空间的多维度信息,提升复杂场景下模型表征能力。引入归一化Wasserstein距离重新设计Focal-EIoU损失函数,提出NF-EIoU替换CIoU损失,平衡各尺度缺陷样本对Loss的贡献,降低各尺度缺陷的漏检率。实验结果表明,CDN-YOLOv7的检测精度可达80.3%,较于原YOLOv7精度提升了6.0个百分点,模型推理速度可达60.8帧/s,满足实时性需求,CDN-YOLOv7在提升各尺度缺陷检测精度的同时显著降低了缺陷的漏检率。

基于轻量化网络与增强多尺度特征融合的绝缘子缺陷检测

随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先将重构的ShuffleNetV2-Stem-SPP(3S)网络作为YOLOv5的主干网络,显著减小了网络的参数量和计算量;其次引入针对小目标的增强多尺度特征融合网络以及4个预测头,来增强网络对绝缘子缺陷的感知能力,并结合Mosaic-9数据增强、CIoU损失函数进一步补偿轻量化导致的检测精度损失;最后将其应用到自制绝缘子数据集进行验证。实验结果表明,该文所提出的模型相对于未改进的YOLOv5,全类平均精度提高了3%,检测速度提高了81.8%,参数量、计算量分别压缩了82.4%、67%。因此,所提出的模型更适合部署在无人机平台上进行绝缘子缺陷的实时监测。

出生缺陷与出生体重、胎龄的相关性

目的分析不同出生体重及胎龄围产儿的出生缺陷发生率,为进一步完善出生缺陷监测系统和降低出生缺陷发生率提供新的科学依据。方法对2003年10月1日至2015年9月30日西安市各级开设产科的医疗保健机构出生的孕28周~生后7 d所有围产儿进行出生缺陷监测并收集相关资料。结果2003至2015年共监测围产儿1236937例,其中出生缺陷儿10619例,出生缺陷发生率为8.59‰。2003至2015年西安市出生缺陷医院监测系统共收集出生体重<2500 g出生缺陷患儿3306例,出生孕周≥28周且<37周的出生缺陷患儿3473例,出生孕周≥42周的出生缺陷患儿共224例。2003至2015年低出生体重儿出生缺陷率显著高于正常体重儿(χ^(2)=37097.79,P<0.001)。2003至2015年早产儿(<37周)出生缺陷率显著高于正常产期儿(χ^(2)=24998.24,P<0.001),过期产儿出生缺陷率(≥42周)显著高于正常产期儿(χ^(2)=196.40,P<0.001)。低体重儿出生缺陷常见缺陷类型前5位依次是先天性脑积水、脊柱裂、先天性心脏病、无脑畸形、唇裂合并腭裂。正常体重儿出生缺陷出生结局以活产为主(占68.60%),而低体重儿出生缺陷出生结局以死胎为主(占54.72%),低体重儿出生缺陷与正常体重儿出生缺陷出生结局比较,差异有统计学意义(χ^(2)=647.59,P<0.001)。正常产期儿出生缺陷出生结局以活产为主(占77.38%),过期产儿出生缺陷出生结局以活产为主(占83.93%),而早产儿出生缺陷出生结局以死胎为主(占57.79%)。早产儿与正常产期儿出生缺陷出生结局比较,差异有统计学意义(χ^(2)=2025.08,P<0.001),早产儿与过期产儿出生缺陷出生结局比较,差异有统计学意义(χ^(2)=245.39,P<0.001),正常产期儿与过期产儿出生缺陷出生结局比较差异有统计学意义(χ^(2)=16.28,P=0.001)。结论早产儿、低出生体重儿及过期产儿出生缺陷发生率显著高于正常产期儿,低体重儿与正常体重儿、早产儿与正常产期儿、早产儿与过期产儿、正常产期儿与过期产儿出生缺陷出生结局比较,差异均有统计学意义。

基于局部特征深度信息的绝缘子小样本缺陷检测

基于深度学习的目标检测技术已广泛应用于绝缘子缺陷检测中,然而现有目标检测算法主要基于大量缺陷样本训练网络模型,无法对少样本缺陷进行准确识别。针对绝缘子缺陷检测过程中缺陷样本量不足的问题,该文提出了一种基于局部特征深度信息的绝缘子小样本缺陷检测方法。首先采用旋转目标检测网络改进Faster R-CNN(faster region-based convolutional neural network)模型提取绝缘子串区域,然后对绝缘子串特征进行划分,提取绝缘子串局部特征并基于深度推土距离(deep earth mover’s distance,Deep EMD)网络实现小样本缺陷检测。实验结果表明,在玻璃绝缘子自爆缺陷检测中,所提出方法采用2张训练样本可取得与现有目标检测方法 200张训练样本相同的效果,采用10张训练样本的绝缘子自爆检测在与真值框的交并比阈值为0.5至0.95之间的平均精度(mean average precision,mAP)达到0.65,该方法为小样本电力设备缺陷智能化检测提供了新的方法和思路。

基于多尺度卷积注意力机制的输电线路防振锤缺陷检测

作为输电线路中的重要金具部件,防振锤的缺陷将对输电线路构成严重威胁。针对由于防振锤缺陷样本数量稀少、背景复杂、区域形状尺寸不一造成的防振锤缺陷识别能力不足的问题,提出一种基于多尺度卷积注意力机制的防振锤缺陷检测方法。首先,通过统计不同缺陷的防振锤尺寸,设计适应不同类别的多尺度卷积注意力机制,使网络重点关注图像中的防振锤区域;其次,引入结构重参数化方法,以将网络中的多分支结构无损失地转换为单分支结构,在提高网络检测性能的同时维持检测速度在较高水平;最后,以渐进式特征金字塔网络结构(AFPN)为基础,融合更多的浅层网络,提高了网络检测防振锤小目标的能力。实际收集的防振锤缺陷数据集实验结果表明,设计的检测方法可显著提升防振锤缺陷检测的性能,检测精度mAP0.5达到了91.9%,在TITAN XP平台下检测速度达60.88帧/s,可为输电线路防振锤智能化巡检提供参考。

基于改进SSD的工件表面缺陷检测

工件的表面缺陷不仅影响外观而且直接影响产品的质量、寿命和性能,因此对工件进行实时表面缺陷检测很有必要。针对当前SSD算法不利于小目标检测易导致误检的情况,提出了一种基于单阶段多层检测器的改进SSD自动检测方法。采用了以ResNet替换SSD中原始的VGGNet的方法,研究了小目标检测的问题;采用了对深层特征进行反卷积且将深层特征与浅层特征融合的方法,研究了语义信息不足易误检的问题。结果表明,该方法较原SSD模型在工件的表面缺陷检测上m AP值提高了约4.6%,从而认为本方法可用于工件表面缺陷的实时自动检测。