线阵式探测器连续太赫兹波层析成像技术

太赫兹波层析成像技术是利用太赫兹波对包括人体的样品无害的穿透性进行投影成像并采集产生的数据,通过重建算法获得样品的二维截面图的重构。设计并搭建了基于线阵式探测器的连续太赫兹波成像系统且该系统设备复杂度和硬件成本较低,通过采集不同角度的太赫兹透射成像线阵,得到了待测样品的太赫兹扫描图像,利用滤波反投影算法重建待测样品的二维横截面图。实验结果显示,搭建的系统能够对成像面积为143 mm×143 mm的样品实现层析成像,单次成像时间3分钟;与传统的面阵式探测器连续太赫兹波层析成像系统相比,成像范围增加了459%,成像时间减少了80%。进一步探索了基于线阵式探测器的连续太赫兹波层析成像技术在无损检测和安全检测上的可行性。

介质阻挡放电时间对放电光电特性的影响

在介质阻挡放电过程中,由于离子对电极表面不断轰击产生热量,电极温度会有所升高,放电光电特性也会随之变化.通过改变外加电压和等离子体放电时间发现,电极温度随着外加电压的增加和等离子体放电时间的延长而增加,并且高压电极的温度比接地电极的温度增加得更快.延长等离子体放电时间发现,输入功率、放电脉冲数目和光谱谱线相对强度都在上升,电流峰值却在下降.所得研究结果为今后介质阻挡放电光电特性研究提供了时间上的参考性,具有重要的研究意义.

针-板型介质阻挡放电的光电特性

设计一种针-板型介质阻挡放电装置,在大气压下以空气/氩气混合作为工作气体,研究了在混合气体流动和不流动2种情况下介质阻挡放电的光电特性.利用玻尔兹曼法计算氮分子振动温度(T_(v))和谱线相对强度比值法计算电子激发温度(T_(exc)),实验结果表明:输入功率(P)和T_(v)随外加电压(U_(a))增加而增大,而T_(exc)随U_(a)增加有减小的趋势;当U_(a)一定,气体流动时,P变大,T_(exc)变小,而T_(v)基本不变.通过对高能电子与工作气体发生非弹性碰撞进行定性解释,对于大气压等离子体动力学行为的深入研究具有重要意义.

图像去雾中深度学习数据增强方法

图像去雾是图像处理领域中非常重要的问题。深度学习可以有效提高图像清晰度,但训练过程中由于缺少相对应的真实雾匹配数据对,多采用合成雾作为数据集。现有合成雾多依赖于深度信息、大气散射系数等参数,针对由此作为数据集训练容易造成颜色失真和去雾不彻底的问题,提出基于循环生成对抗网络(CycleGAN)合成雾方法。通过该网络进行不匹配数据对训练学习有雾图像的特征,然后赋予清晰图片真实雾特征并与其自身构成匹配数据对,最后再用此类数据集进行去雾训练。结果表明,这些数据集可以有效解决颜色失真和去雾不彻底等问题。

AgNPs@PDMS纳米碗阵列SERS基底的制备及其性能研究

构建了一种具有纳米碗阵列结构的柔性表面增强拉曼散射(SERS)基底,并对罗丹明6G和福美双进行了检测分析。首先利用气-液自组装法在玻璃片上制备单层聚苯乙烯(PS)微球薄膜,然后将液-液界面自组装法得到的单层银纳米颗粒转移至PS微球薄膜上,再把聚二甲基硅氧烷(PDMS)涂敷于银纳米颗粒上,经烘干和剥离得到AgNPs@PDMS纳米碗阵列基底。使用便携式拉曼光谱仪对该基底进行测试,以罗丹明6G作为探针分子,测试得到的检测限为1×10^(-8)mol/L,增强因子为4.32×10^(5),测试结果也显示该基底具有较高的均匀性和可重复使用性。以福美双为探针分子,测试得到的检测限为1×10^(-6)mol/L,并对福美双的拉曼峰强与其浓度关系进行了研究,结果显示该基底能够实现对福美双的定量检测。

基于一维卷积神经网络的掘进机截割部磁场辅助定位技术

为了解决悬臂式掘进机当截割部被机身遮挡或粉尘比较严重时引发的视觉定位失效问题,以磁场强度分量和双目立体视觉技术获取的位姿数据作为训练数据,获得网络参数,提出一种基于一维卷积神经网络(1D-CNN)的辅助定位方法。结果表明,1D-CNN对截割部轨迹预测较好,空间角度俯仰角、偏航角的预测精度达到99%以上,总体精度满足悬臂式掘进机位姿的测量要求。所提方法可以有效预测掘进机截割部的空间位姿信息,与BP全连接神经网络相比,具有能自动提取特征、避免过拟合的优点,为掘进机截割部定位提出了新思路。

激光反射率煤矸在线识别技术参数优化研究

非接触煤矸识别技术是煤矸在线识别的发展方向之一,现有的非接触的反射率煤矸识别技术受限于反射率的采集方式,无法实现在线识别。引入双目线结构光,对传送带上的煤矸样品进行激光反射率信息在线获取,实现了煤矸的在线识别。搭建了在线煤矸识别系统,比对不同波长照射下的煤矸反射率,优化系统的参数。结果显示:473、532、650 nm这3种波长照射下,473 nm波长具有更明显的灰度差值,从而提高了煤矸识别的精度和抗干扰性。

基于神经网络的磁场定位技术

由于磁场无处不在的特点,使得磁场定位广泛应用于目标定位和状态检测中,然而在含有复杂铁磁质环境下,磁场信号的变化会导致定位精度下降甚至不能定位等问题.针对上述问题,提出了一种将磁场定位与BP神经网络相结合的方法,并进行了实验验证.结果表明,基于BP神经网络的磁场定位方法可用于含有铁磁质的复杂环境定位.定位精度与数据采集时磁源的移动步长、磁场传感器数量及传感器电子噪声有关,移动步长越小,传感器数量越多,电子噪声越小,定位精度越高.

基于复合神经网络提升亚米级卫星影像质量

低能见度情况下,大气粒子对太阳辐射的散射和吸收效应,降低了卫星影像像质和空间分辨率,传统图像处理方法和现在普遍应用的深度学习算法无法同时提升图像像质和空间分辨率。为了改变该现状,文章提出了基于网格去雾网络(GridDehazeNet)和真实超分辨率生成对抗网络(Real-ESRGAN)组合的复合神经网络。首先采用GridDehazeNet卷积神经网络架构提升卫星影像的清晰度和对比度,再利用Real-ESRGAN增强型超分辨率生成对抗网络以提升卫星影像空间分辨率;最后利用Worldview-3多光谱图像对不同算法进行了测试,并对比不同算法的测试效果。结果表明:该复合神经网络在改善图像像质和分辨率方面效果显著,其中清晰度提高了39.11倍,对比度提高了3倍,信息熵值提高了34%;且同时避免了传统算法所带来过度增强和噪声问题,对小目标物的识别和解译的准确率有显著提高。

基于UMnet的数字全息相位解包裹

为了实现高精度的数字全息相位解包裹,采用基于Unet网络框架中集成MobilenetV3的轻量级深度学习网络,设计了UMnet网络以实现全息相位的精准解包裹。网络中融和轻量级注意力机制、多尺度卷积来增强网络精度与泛化能力,同时运用hard-Swish激活函数提高网络学习能力;运用模拟数据集进行网络训练,对生成网络模型进行降噪能力测试,并经过了实际样品全息图的测试验证。结果表明,UMnet比深度学习相位解包裹网络的结构性相似指数值提升了6.6%。UMnet能够简单、快速、高效地实现数字全息相位解包裹。

基于相位掩模的粒子三维定位

快速、精确地对粒子进行三维定位在生命科学、材料科学、工业检测等领域具有重要的应用价值。传统的粒子定位方法由于运算量繁重,难以满足快速、精确的需求。文章提出了一种新的基于相位掩模的粒子三维定位方法。采用Fienup优化算法设计位于4f系统频谱面上的相位掩膜,针对不同深度的点光源获得一系列点扩散函数;结合粒子位置和所成图像进行神经网络训练,可在8μm轴向范围内经单次测量实现目标粒子在三维空间中的高精度定位。两组模拟设计的数值结果表明所提方法能够快速高效地完成稀疏粒子的三维定位,在细胞粒子成像定位等方面具有重要的应用价值。

可调谐太赫兹超材料吸波器研究进展

太赫兹超材料吸波器具有吸收强、厚度薄、质量轻等优点,已被广泛应用于隐身材料、频率选择表面、太赫兹成像、通信传感等方面。但是,基于金属结构的传统太赫兹超材料吸波器一旦完成加工后,它的吸收性能是固定不变的。为解决这一问题,研究人员通过引入活性超材料设计了可调谐太赫兹超材料吸波器。结合可调谐太赫兹超材料吸波器的国内外研究现状,分类阐述了几类典型的可调谐太赫兹超材料吸波器,重点对单频带、多频带、宽频带以及可切换双功能太赫兹超材料吸波器的相关研究工作进行了梳理与总结,并对其未来发展趋势进行了分析。

基于深度学习的全息图超分辨重建研究

为了避免传统全息重建方法步骤繁杂且重建效果易受噪声干扰等问题,采用一种改进的语义分割U型网络用于全息图超分辨重建工作。首先引入新型的端侧神经网络,用来充分获取更多的图像语义信息,增强网络学习性能;其次加入深度神经卷积网络的高效通道注意力以提高网络关注全息图中细节信息的能力,进一步提升网络精度,同时采用带泄露修正线性单元作为激活函数,加快网络收敛;并采用血细胞和鸡血细胞的低分辨率全息图进行训练,取得了超分辨重建强度和位相图。结果表明,改进网络能够快速重建出细节信息丰富、边缘纹理清晰、背景平坦的位相和强度图像,血细胞强度重建图的结构相似性指数和峰值信噪比分别达到0.9613和27.38,同时可对不同尺度的全息图进行重建。该研究为使用深度学习方法提高全息图质量提供了参考。

基于AU-Net对全息图条纹信噪比提升

数字全息成像是一种获得三维物体的波前信息的关键技术,获得高质量的全息图是其首要条件,由于受到图像传感器的约束及实验环境的影响,所获得的数字全息图带有散斑噪声及分辨率低等问题。为了克服这一约束,采用了一种基于深度学习的方法来提高全息图质量、图像分辨率及条纹信噪比。结果表明,所研究算法可以应用于采集的多尺度全息图,而且获得的高质量全息图重建效果更好,减少散斑噪声影响,并比较了三种损失函数在该网络训练中的性能。

基于改进DeepLabV3+的一步数字全息相位重建方法

数字全息显微术能够测量定量光场信息,但全息相位重建通常需要经过频谱滤波、模拟衍射、相位展开、畸变补偿等步骤,且在滤波时人工选取滤波窗口的尺寸误差会很大程度上影响成像质量。提出了一种基于改进DeepLabV3+网络的一步数字全息相位重建方法,在DeepLabV3+网络的基础上引入MobileNetV2结构进行改进。使用MobileNetV2提取全息图特征;通过空洞空间金字塔池融合多尺度特征;采用双线性插值的方法进行上采样,以得到高精度的定量相位重建结果。实验结果表明,与使用PhaseNet重建相比,方法在结构相似性指数上提高了6.5%,能够准确高效地实现数字全息高精度定量相位重建。

基于线结构光的裂隙提取算法研究

在路面裂缝的检测中,传统人工检测的方法准确性低,效率低,且单目视觉技术无法准确获得深度信息,只能得到二维平面信息。基于此,文章引入了双目线结构光技术,提出了一种基于地面平均高度的三维裂缝提取算法,实现了裂缝的三维信息采集。算法提取图像中每列像素值中最低点为起点,向左右扩散形成一个边缘提取范围,计算该列边缘提取范围以外的像素平均值作为地面平均高度值,然后以最低点为中心开始遍历每个像素值,当左右两边像素超过地面平均高度值时,则确定两个像素点为裂缝边缘。整合所有列,实现整条裂缝边缘的提取。实验结果表明:文章提出的裂缝识别算法能够较为准确的对裂缝边缘进行提取,通过与Canny边缘提取算法对比,数据表明,文章算法在连续性上表现更好,本文算法的图像水平相关性数据总体都高于Canny边缘提取算法,平均提高了30%。

基于相位偏移的条纹投影相位误差补偿方法研究

相移条纹投影技术三维成像的过程中,受设备非线性效应影响存在相位误差。针对相位误差的周期特性,引入相位偏移算法,提出一种非线性相位误差全场补偿方法。利用非线性相位误差的偏移变化,结合多个包裹相位的相位值选取特定阈值,最后使用算法遍历全场相位信息获取理想相位。实验结果显示校正后的误差点数是校正前的2.52%,证实了方法的有效性,通过与其他方法进行数据对比分析,表明所提方法修正相位误差效果有所提高。

大气压氩气同轴介质阻挡放电的电学特性

主要研究了同轴介质阻挡放电的电学特性、基础参数,并构造了仿真电路模型.研究发现,随着外加电压的增大,介质电容增大,气隙电容减少.通过不同半径的内电极进行实验显示气隙电容与半径成反比关系,在输入功率的研究中发现半径也是关键因素.在功率因数与外加电压的研究中则发现其变化趋势不具有单调性,存在极大值点,具有重要意义,为工业化过程中寻找最优工况提供了参考.利用软件构造了仿真电路模型,较好地吻合了实验中的放电参数,有利于后续的研究中对一些不易实验获得的参数进行估算.

基于Swin Transformer的家居垃圾分类系统

为了从家居源头解决垃圾分类的难题,选取Swin Transformer图卷积神经网络构建家居垃圾分类系统。该系统由三部分组成,构建垃圾分类模型、搭建安卓app、嵌套嵌入式设备。构建大规模垃圾分类数据集,进行垃圾分类实验,选取最优模型Swin Transformer,通过数据增强、迁移学习和添加全局注意力机制等策略进一步提升分类模型的性能。在数据集复杂度更高的情况下,已经超过了华为2019年垃圾分类挑战杯的方案,40垃圾分类的准确率达到了97.63%,超过了它的96.96%,并且param和flops远远低于其方案。搭建安卓app,通过MNN手机移动端架构,将Pytorch架构下训练的模型进行了转化和量化,让超大模型可以在轻型移动端设备完美适用,同时验证了模型转化和量化基本无精度损失,并优化了APP推理速度。

基于深度学习的ESPI条纹图骨架线智能提取

为实现电子散斑干涉条纹图骨架线的自动提取,引入了深度学习技术。网络利用带噪声的电子散斑干涉条纹图和对应的骨架线图进行训练,然后将所有待测电子散斑干涉条纹图同时输入训练后的网络中,即可直接得到相应的骨架线图像。提取200幅实验电子散斑干涉条纹图的骨架线只需11.7 s,且对于存在断裂的电子散斑干涉条纹图,传统骨架线法会失效,利用训练完成的网络可获得完整骨架线。通过对该网络在模拟电子散斑干涉条纹图和实验电子散斑干涉条纹图上性能的评估,证实了基于深度学习的电子散斑干涉条纹图骨架线智能提取的可行性。