基于转动拉曼测温激光雷达数据采集系统的阈值校正和延时补偿技术

针对转动拉曼测温激光雷达数据采集系统中光子计数卡各通道阈值及延时之间的误差,结合光子计数卡的工作原理以及方波信号幅值电压的波动性,构建阈值测量系统,以方波信号作为通道的输入,通过调整阈值电压设定值,使计数值达到最大的方法对通道的阈值误差进行了测量,并对其进行了曲线拟合。构建延时测量系统,测量各通道之间的延时差,并提出了对其进行补偿的方案。对阈值误差测量数据及拟合结果进行了分析,分析结果表明通过拟合曲线对各通道阈值电压进行设定,可更快地设置所要求的阈值电压。对延时差的补偿可以使温度分布廓线定位精度提高约10m。

基于深度学习的机载遥感通信系统自适应光学波前校正技术

自适应光学波前校正过程易受复杂背景、光照强度、噪声信号等问题的干扰,导致校正的效果降低。为了解决上述问题,提出基于深度学习的机载遥感通信系统自适应光学波前校正技术。通过相位差法实现自适应光学波前的探测,采用小波变换算法剔除其中的噪声,避免噪声对校正过程产生干扰。根据深度神经网络的预测与自学习能力构建动力学模型网络、策略网络与决策单元,通过与校正阈值的对比,完成机载遥感通信系统自适应光学波前的校正。实验结果表明,所提方法的斯特列尔比接近1,且校正时间短、校正效果好。

基于相似性分析和阈值自校正的烟箱缺条智能检测方法

为解决条烟装箱过程中出现的烟箱缺条等质量问题,基于烟箱内部前位、后位图片,建立了一种基于相似性分析和阈值自校正的烟箱缺条智能检测方法。首先,将前位和后位图片进行灰度变换和图像分割,基于处理后图片的横向和纵向分块,采用皮尔逊相似性分析计算图片的16个特征相似度指标,利用核密度估计确定所有建模图片16个指标的阈值;其次,采用横向和纵向分块的相似性分析方法,计算前位和后位图片的16个特征相似度指标,通过与阈值的比较识别前位和后位图片是否发生缺条;最后,将新的未缺条图片特征相似度指标添加到建模图片的特征相似度矩阵中,利用核密度估计进行阈值自校正。以杭州卷烟厂条烟装箱过程的实际运行数据进行验证,结果表明:该方法实现了烟箱内部图片特征信息的有效表征和量化,能够准确判断烟箱缺条缺陷,对测试数据中所有15种缺条缺陷的检测准确率为100%,标注后的图片为缺条问题追溯提供了依据。该方法可为提高烟箱缺条检测方法的适应性和可靠性提供技术支持。