葡萄叶绿素荧光参数测量方法的优化与日变化特征分析

【目的】确定葡萄叶绿素荧光参数测量最适的暗适应时间、测量光强度,分析葡萄叶绿素荧光参数日变化特征并确定最适测量时间,提出优化测量方法的建议,为进一步研究葡萄光合特性提供理论依据,以提高研究数据的准确性和可靠性。【方法】选择阳光玫瑰葡萄和巨峰葡萄叶龄为40~50 d的健康成熟叶片,利用JIP测定(JIP-test)和主成分分析(PCA)研究葡萄叶片在不同暗适应时间(5、10、15、20、25、30、35和40 min)、不同测量光强度[500、1000、1500、2000、2500、3000和3500μmol/(m^(2)·s)]和一天中不同时间点(8:00、10:00、12:00、14:00、16:00、18:00和20:00)的快速叶绿素荧光诱导动力学(OJIP)曲线特征,分析不同测量条件对葡萄叶片叶绿素荧光参数的影响。【结果】暗适应时间和测量光强度均明显影响葡萄叶片叶绿素荧光参数,较长的暗适应时间和较高的测量光强度能获得更稳定和可靠的测量结果。OJIP曲线特征显示,在较短的暗适应时间(5~15 min)内,各暗适应时间与暗适应5 min间的特征区间(OJ相、JI相和IP相)相对可变荧光差值(ΔWOJ、ΔWJI和ΔWIP)曲线变化幅度较大,初始荧光(F_(o))、最大荧光(F_(m))和最大光化学效率(F_(v)/F_(m))等参数波动较大,当暗适应时间达30 min以上时,各参数再无显著变化(P>0.05,下同),趋于稳定。随着测量光强度的增加,F_(m)、F_(v)/F_(m)、OJIP曲线的初始斜率(M_o)和单位面积反应中心数量(RC/CSm)等参数呈上升趋势,各测量光强度与500μmol/(m^(2)·s)测量光强度间的ΔWOJ、ΔWJI和ΔWIP曲线呈正K峰、负H峰和正G峰,当光强度达3000μmol/(m^(2)·s)以上时,各参数均无显著变化。葡萄叶片的多数叶绿素荧光参数随着一天中时间点的推移而变化,光系统II(PSII)光化学效率在12:00之前较高,14:00时光化学效率下降,16:00之后PSII逐渐恢复至最佳状态。【结论】针对葡萄叶片进行OJIP曲线测定时,暗适应时间应为30 min以上,最小测量光强度为3000μmol/(m^(2)·s),测量时间宜选择在12:00之前和16:00之后,以确保结果的准确性和可靠性。

利用自适应光照初始化的弱光图像增强方法

由于光照分量分解估计的高度不确定性,如何准确估计图像的光照分量一直是基于Retinex模型的图像增强方法需要解决的难题。该文提出一个简单有效的方法,准确估计图像的初始光照分量,进而实现弱光图像增强。具体地,首先根据输入图像得到其对应的光照权重矩阵,以指导光照分量的自适应初始化估计;随后在光照结构约束下,对初始光照分量优化估计,并进一步执行非线性光照调整;最终结合Retinex模型得到增强结果。实验表明,该方法不仅能够实现准确的图像分解估计,而且与现有的弱光图像增强方法相比,该文所提方法在多个数据集上的主观视觉效果和客观评价指标都有更好的表现,同时也保持着良好的运行效率。

可见光通信网络信号非线性失真自适应校正方法研究

可见光通信网络是现今通信领域中的主要构成部分之一,但其应用的物理设备(LED照明设备)具有非线性特征,致使可见光通信网络信号出现非线性失真情况,影响着用户通信的质量,故提出可见光通信网络信号非线性失真自适应校正方法研究。通过深入分析可知信号非线性失真分为非线性转换失真和非线性限幅失真,以此为基础,设计信号非线性失真校正电路(DG预失真校正电路与DP预失真校正电路),引入自适应算法制定信号非线性失真自适应校正架构,确定信号非线性失真自适应校正公式,从而实现了信号非线性失真的有效校正。实验数据显示:应用提出方法获得的信号非线性失真自适应校正结果中不存在非线性失真现象,通信信号接收误码率最小值为3%,充分证实了提出方法应用性能更加优质。

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

基于物联网的交通信号灯控制系统

随着城市化进程的不断加速,交通拥堵问题成为制约城市可持续发展的一大挑战。在智能交通系统中,交通信号灯作为关键组成部分,对道路交通的管理和优化发挥着至关重要的作用。为提高交通效率、减少交通拥堵,文章探讨了基于物联网的智能交通信号灯控制系统。首先,介绍了交通信号灯的系统组成。其次,针对交通信号灯控制的优化需求,提出一种基于物联网的自适应控制算法。最后,构建了交通信号灯仿真界面,并设计了交互控制按钮。实验结果表明,所提出的自适应控制算法能够有效提升道路通行效率,降低交通拥堵程度,为智能交通系统的进一步优化与发展提供了重要参考。

基于四波前横向剪切干涉的波前传感技术与应用(特邀)

高科技的发展对精密干涉成像提出了更高的要求。在现代光学和生物医学领域,无标记成像技术不依赖于传统的染料或荧光标记,进行3D活细胞原位观察和分析,促进定量相位显微术的发展。在光学检测技术领域,对于干涉系统的现场化、实时化的应用具有迫切需求,如激光波前的瞬态检测分析、高速流场检测、自适应光学的检测和控制、高精度光学系统像差分析等都迫切需要一个紧凑型、抗环境干扰、瞬态成像的干涉系统。为此,针对针对这些需求,全面介绍了四波前横向剪切干涉相位成像技术的原理、发展历程、波前重构方法以及其广泛的应用。四波前横向剪切干涉仪能够通过在一个单一的干涉图中获取两个正交剪切方向的四个剪切波前来实现瞬态相位成像,由随机编码光栅和相位棋盘组成新颖的四波干涉传感器(Four-wave Interferometric Sensor,FIS4)。FIS4干涉传感器凭借其独特的优势,如紧凑性、鲁棒性、高时间分辨率以及与现有显微系统的兼容性,在生物医学、光学测量、材料表征等众多领域展现出广阔的应用前景。这一技术的发展不仅为相关领域提供了新的研究工具,也为跨学科的创新和发现开辟了新的可能性。

基于改进暗通道先验的海上低照度图像增强算法

针对基于暗通道先验的低照度图像增强算法在处理极端海上低光环境下图像时会存在光晕效应、色彩失真的问题,提出了1种基于暗通道先验的自适应海上低照度图像增强算法。首先,通过选取图像类型划分指标,将数据集中的图像分类,并通过Otsu方法和图像直方图分布,获取图像的区域划分阈值,将图像进行划分得到局部区域图,分析各类图像的局部区域图之间的关系;最后,通过对不同的局部区域图采用不同的改进暗通道先验算法进行处理,将1个图像中的2个增强后局部区域图合并,得到整张图像的增强结果,并对增强后图像进行主客观的图像质量评价。实验结果表明,该算法解决了现有算法在处理极端海上低照度图像时存在光晕效应和色彩失真的问题,并使不同环境下的海上低照度图像都能达到较好的恢复效果。

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

基于波前整形和自适应光学的水下可见光通信系统

为了解决水下可见光通信中复杂的水下湍流、散射环境对光束造成的畸变而导致信号传输失败的问题,使用随机相位屏方法模拟了水下湍流信道,在发射端对光束进行波前整形实现远距离聚焦,接收端使用自适应相位恢复算法对接收端光斑进行恢复。在1.2 m水下实验平台使用比特功率加载技术发射离散多音信号(discrete multi-tone, DMT)信号测量接收光功率与数据传输速率的对应关系,基于此,预测了100 m湍流环境下可见光信号的传输速率,与经过波前整形以及自适应相位恢复后的结果对比得到,所提出的方法可以使得水下可见光系统的传输速率得到极大提升。

AFS前照灯弯道旋转的计算模型

提出当车辆在弯道转向时,可以通过车速和前轮转向角度作为输入信号,根据前照灯弯道照明距离应大于安全行驶距离的控制策略,以四轮动态转向模型和ABS制动模型为基础,计算前照灯的旋转角度。经由基于MATLAB/Simulink的数值计算程序和专门设计的采用向心加速度传感器的LabVIEW实车测控系统,对比验证了AFS前照灯弯道旋转计算模型的有效性。

6个谷子品种的适应性及光温敏感性分析

为了探究谷子品种的区域适应性,为谷子新品种培育提供参考,以‘豫谷18’、‘豫谷31’、‘豫谷32’、‘豫谷35’、‘豫谷38’、‘豫谷42’为试材,依据全国谷子品种区域适应性联合鉴定试验调查结果,运用变异系数、高稳系数、回归系数、光温相对敏感度等多种分析方法,对6个品种进行适应性及光温敏感分析。对各品种不同区组内的农艺性状进行统计分析,同时比较了区组间各品种不同性状的变异系数。结果表明6个谷子品种均能适应2个及以上的不同生态区组,尤其是‘豫谷18’在4个不同的生态区组均表现出高产、稳产和广适的特性;6个品种生育期在西北春谷早熟区组均较长,单穗重、单穗粒重和千粒重在西北春谷早熟区组、西北春谷中晚熟区组较高,穗长在东北春谷区组较长,产量及株高和出谷率没有明显的趋势;区组间各品种农艺性状的变异系数均是千粒重最小,抽穗期最大;以夏谷区为参照,‘豫谷18’单穗重、单穗粒重敏感度在不同区组均为最弱。‘豫谷18’在4个不同的生态区组均表现出高产、稳产和广适的特性。

AFS自适应汽车前大灯模糊控制系统设计

为解决汽车进入弯道时,因传统前照灯的照明角度随车行前进方向而存在弯道照明暗区的问题,基于阿克曼转向原理,在安全制动距离的基础上,计算车速、车轮偏角和车灯转角的几何关系。并在MATLAB平台创建AFS模型来进行多种路段的仿真分析,在仿真模型的基础上设计模糊控制器对其控制优化。仿真结果表明,加入模糊控制策略后的AFS能够增加系统的工作稳定性,减小过度偏角,提高前大灯的使用寿命和工作精度,超调量达到0.005°,调节时间为0.05s,得到了优良的控制效果。

基于自适应大气光值补偿的改进暗通道煤矿井下图像去雾算法(特邀)

视频监控是保障工业生产和人员安全的重要手段。但在一些特殊领域,监控图像常会受到粉尘散射的影响而产生雾化现象、导致图像质量退化。此外,由于这些生产环境在照明、目标景物方面具有特殊性,常用的暗通道去雾算法存在色彩偏移、过暗、光晕等现象。以煤矿井下监控图像为目标,针对井下粉尘、水雾导致图像模糊、照度低、色彩信息不丰富的问题,提出一种改进的快速暗通道算法。该算法对大气光值进行基于像素自身颜色信息的自适应补偿校正,以减小色偏的产生,并针对井下图像提出了自拟合的亮度和饱和度增强函数。除对井下图像进行处理外,还将该算法用于常用去雾图像数据集,结果表明该算法对多种场景在有效去雾的同时很好地矫正了色偏及光晕现象,并提高了亮度和色彩饱和度。该算法为井工煤矿等产业以及生活场景的去雾提供了一种新的手段。

面阵投影增材制造技术自适应分层算法

增材制造采用“逐层叠加”的原理来成型制件,层厚越小,制件的表面质量越高,成型效率越低。为了调节制件成型效率与表面质量之间矛盾的问题,提出了基于STL制件法矢量的自适应分层算法。该算法先计算出与切面层相交的三角面片的法矢量与制造方向的夹角集,然后对夹角集的均值与最小值进行加权求和,依据加权求和后的角度关系,实现对制件进行自适应调整分层厚度。对同一制件分别采用本文算法及已知的4种算法进行分层,实验结果表明,这里算法能够有效平衡制件表面质量与成型效率之间的关系,较其余4种自适应分层算法,阶梯体积误差小且制件成型时间短。

基于视觉感知的低对比度图像细节增强方法

由于传统图像细节增强方法存在噪声含量大及失真等问题,为了提升低对比度图像的视觉效果,提出基于视觉感知的低对比度图像细节增强方法。根据人眼视觉感知的亮度掩蔽特性划分图像区域,并设计暗适应函数与明适应函数,分别延长低对比度图像灰度值较低、较高区域间隔,实现基于视觉感知的低对比度图像全局增强;以全局增强结果为基础,引入加权自适应局部低对比度增强法,增强低对比度图像的细节,获取最佳低对比度图像细节增强结果。实验结果表明:该方法增强后的低对比度图像保留了图像的边缘及细节,图像更加明亮清晰,显著提升了其视觉效果,同时低对比度图像具备噪声含量小、失真程度小、图像质量高的优势。

基于汽车导航电子地图的汽车AFS分析

针对现有的自适应前照灯系统(AFS)算法对弯道前、S型路面或过渡曲线上存在的滞后且不精确的问题,提出一种新的P-AFS算法,该算法可以有效利用汽车导航电子地图信息,通过车速和道路曲率来控制前大灯的偏转角度,再结合灯泡的5 lx等照度包络线确定AFS启动时刻.采用改进的遗传算法对PID参数进行整定,通过Carsim与Simulink建立整个系统的联合仿真模型,对简单道路模型和实际道路模型进行了仿真验证,并与传统的算法结果进行对比.结果表明:该P-AFS算法可以有效解决传统AFS算法的滞后性,并提高控制的精确度.

噪声指导下过滤光照风格实现低光照场景的语义分割

低光照图像分割一直是图像分割的难点,低光照引起的低对比度和高模糊性使得这类图像分割比一般图像分割困难很多。为了提高低光照环境下语义分割的准确度,根据低光照图像自身特征,提出一种噪声指导下过滤光照风格的低光照场景语义分割模型(SFIS)。该模型综合利用信噪比作为先验知识,通过指导长距离分支中的自注意力操作、长/短距离分支的特征融合,对图像中不同噪声的区域采用不同距离的交互,并设计了一个光照过滤器,该模块从图像的整体风格中进一步提取光照风格信息。通过交替训练光照过滤器与语义分割模型,逐步减小不同光照条件之间的光照风格差距,从而使分割网络学习到光照不变特征。提出的模型在数据集LLRGBD上优于之前的工作,取得了较好的结果。在真实数据集LLRGBD-real上的mIoU达到66.8%,说明所提出的长短距离分支模块和光照过滤器模块能够有效提升模型在低光照环境下的语义分割能力。

具有DCM环路校准的ACOOT控制全集成Buck

为解决高频下过零检测不精确所导致DCM模式下转换器存在较大反向电感电流损耗的问题,提出了一种基于自适应固定导通与关断时间控制的全集成Buck转换器。该控制方式属于脉冲频率调制(PFM),可根据输入输出电压和负载大小自动地调整导通时间和关断时间,改善轻载时输出电压纹波和效率。此外,设计了DCM校准环路,实现了精确的DCM工作。采用SMIC 65 nm CMOS工艺进行电路设计。仿真结果表明:在2.5 V输入电压,1.2 V输出电压,负载范围为0~150 mA条件下,最大输出电压纹波为69 mV,峰值效率提高系数为34.2%,峰值效率为73%;当负载为10 mA时,峰值效率为51.1%。

基于半监督域适应的微弱光环境下行人检测研究

为了解决可见光图像在微弱光环境下会出现检测性能下降的问题,本文提出了一种半监督域适应的行人检测算法。首先,结合均值教师模型和YOLOv8检测器搭建半监督检测网络;其次,使用图像融合算法和风格迁移算法相结合的方式生成伪图像进行伪交叉训练,减少图像之间的域差异问题;最后,将基于Transform的混合注意力机制引入主干特征提取网络,在提升图像分辨率的同时进一步提升检测精度。实验结果表明:在LLVIP数据集和KAIST数据集上,该算法的检测精度分别达到89.3%和66.8%,相比SSDA-YOLO算法分别高出7.6%和19.8%;相比Efficient Teacher算法分别高出4%和8.7%;相比全监督算法ICAFusion分别高出1.8%和17.9%。与以往的算法相比,该算法具有更高的检测精度。

结合自适应融合和双边界光幕估计的图像去雾

针对图像去雾算法存在的细节丢失、颜色失真、去雾不彻底等问题,提出一种利用通道估计光幕上下边界、自适应融合大气光的去雾算法。首先,根据有雾图像最小通道估计大气光幕上边界,以雾图B通道为主、RG通道差补偿结合线性变换得到大气光幕下边界,对上下边界进行逼近优化,经过小波变换融合两边界;其次,分别用RGB三通道的平均值和亮度中通道获取不同的粗糙大气光,以亮度均值为调节因子自适应融合;最后,结合去雾模型复原出无雾图像。实验结果表明,所提算法复原的图像去雾彻底、清晰自然、能保留较多图像细节,具有良好的有效性和鲁棒性。