摘要:基于光学无源方案的光纤盐度传感器中光与物质的相互作用长度受限,且通常需要 单独的流体通道设计,增加了检测复杂度,为此提出了一种基于薄壁微管腔和环腔结构的 光纤激光盐度传感器。将薄壁微管腔作为盐度敏感单元和光滤波器,与掺铒光纤相接构成 光纤环形谐振腔。通过拉锥光纤耦合在薄壁微管腔激发出回音壁谐振模,其中心波长与盐 度线性对应,实现薄壁微管腔内溶液盐度的传感测量。与无增益的微管腔透射谱相比,激 光可以提供具有更高信噪比和更窄线宽的传感信号。实验结果表明,在0‰—45‰盐度范围 内,提出的光纤激光盐度传感器的传 感灵敏度为36.5 pm/‰,线性 度达到0.999,盐度测 量误差小于±0.751‰,最小探测极限为0.485‰,且不需要额外的流体测量通道,有望成为海洋盐度探测的 有力工具。

摘要:为了兼顾较高温度传感灵敏度和较大的测量范围,提出了一种基于游标效应的级联法布里-珀罗干涉仪(Fabry-Perot interferometer, FPI) 和马赫-曾德尔干涉仪(Mach-Zehnder interferometer, MZI)的温度传感器,并进行了实验验证。实验中所 采用的FPI是 由两段单模光纤和一个两端镀膜的石英波片构成,其结构稳定且不受恒温箱振动的影响,因 此将其用来作 为温度传感元件。MZI作为滤波结构是由两个3dB耦合器自制而成,通过控制两个臂长使其自 由光谱范围(free spectral range, FSR) 与FPI的FSR相接近,从而能基于游标效应以级联的方式实现温度传感灵敏度的放大 。实验结果 表明,在20 ℃—70 ℃的温度变化下,级联干 涉仪的温度灵敏度为72.4 pm/℃,相比于单个FPI(8.72 pm/℃), 该结构将温度传感的灵敏度放大了8.3倍,同时还具有较大的测量范 围,实验结果与理论相一致。

摘要:已有的实时定位与地图构建(simultaneous localization and mapping,SLAM)方案采用的特征点匹配方法普遍会受视角变化的影响使得特征点的匹配比较困 难,进而 干扰到特征点匹配的精度,最终影响到三维(three-dimensional, 3D) 点云地图构建以及相机运动位姿估计的精度。为 此,本文提出 一种基于注意力机制的特征点匹配网络的SLAM方法。相比于现有的SLA M方法,本 文将SLAM中视觉里程计模块的特征点匹配的方法替换成了一个全新的、基于注意力机制的 特征点匹配网 络的特征点匹配方法,并和传统的特征点提取方法做了一个全新的特征点提取与匹配的组合 ,形成了一个 新的视觉里程计,进而形成了一个新的SLAM方法。首先,通过传统的特征点提取算法进行 特征点的提取, 对提取的特征点及描述子向量进行编码,通过图注意力神经网络进行学习得到匹配描述子, 根据匹配描述 子创建得分矩阵,采用最优传输算法求解最优得分矩阵,计算得到最优匹配点对,到这里就 完成了特征点 提取与匹配的整个过程；基于匹配点对完成相机的定位、建图和回环检测。本文采用KITT I公开数据集 进行实验,实验结果表明采用基于注意力机制特征点匹配网络的SLAM方案,在视角变化不 稳定的情况下,相机运动轨迹误差和相机位姿估计误差的精度明显有所提升。

摘要:牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛 奶蛋白质含 量预测的可行性。本文提出一种基于 竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS) 和连续投影算法(successive projections algorithm,SPA) 结合多层前馈神 经网络(back propagation,BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对 象,利用可见光 /近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过 实验对比选择采用标准化方法对获 取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长 ,得到18个特 征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试 集决定系数R²c和R²p分别达到0.971和0.968,训练集 均方根误差(root mean square error of calibration, RMSEC) 和测试集均方根误差(root mean square error of prediction, RMSEP)达到了0.033和0.034。 研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层 前馈神经网络 模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS -SPA-BP模型 的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归 (partial least squares regression,PLSR)进行建模,实验 结果表明, CARS-SPA-BP相较于PLSR,R²p和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利 用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。

摘要:针对深海和夜间水域补充照明造成的水下图像光照不均,水中悬浮颗粒造成的图像 噪声、低对比度、偏色等问题,提出一种新的非均匀光照水下图像增强方法。首先,用高 斯滤波去除水下图像的噪声；其次,用最大类间方差法(大律法,maximum inter class variance, OTSU)分割出图像的明暗区域 掩膜,将亮度图分割成明暗区域,并对暗区域进行同态滤波处理,校正光照不均造成的阴 影；接着,用加权平均法融合明暗区域得到新的亮度图,重新合成彩色图像；最后,对水 下图像用对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)和灰度世界进行增强对比度和颜色失 真校正,得到增强的水下图像。实验结果表明,本文提出的算法能够有效的改善光照不均 问题,并去除水下图像噪声、增强图像对比度,有利于后续目标检测、追踪等任务的进 行。

摘要:为充分提取源图像间的互补信息,改进传统的图像融合算法在亮度维持、能量保留、 边缘信息保持等方面 的不足,本文提出了基于脉冲耦合神经网络(pulse coupled neural network, PCNN)图像分割的医学图像融合算法。该算法综合了非下采样剪切 波变换(non-subsampled shearlet transform, NSST) 与PCNN。首先,选取标准差较大的源图像作为被分割图像,标准差较小的源图 像作为参照图像,将源图 像进行NSST分解,获取源图像低频子带系数和高频子带系数；在低频融合中,利用参数自 适应的PCNN对被分割图 像的低频子带进行分割,根据分割结果获取融合低频子带系数；在高频融合中,采用以区域 能量和与拉普拉斯能量和 两者的乘积作为判断函数,获取融合高频子带系数；利用NSST逆变换获取融合图像。最后 ,应用本文提出的算法, 对脑萎缩、急性中风和高血压性脑病等3组电脑断层扫描/磁共振成像(computerized tomography/magnetic resonance imaging,CT/MRI) 图像进行了融合仿真,并将仿真结果与2018年后国际刊上提出 的5种算法的融合图像进行比较。结果表明,应用本文提出的融合算法得到的图像,有效地 增强了不同模态间的信息 互补,保持了融合图像与源图像具有相同明亮程度,又保留了源图像低亮度部分的边缘信息 ,更加符合人眼视觉特性,具有更高的客观评价指标。

摘要:针对传统方法下的汽车轮毂内部缺陷检测效率低、精度达不到工业标准的问题,本文 提出了一种基于改进U-Net神经网络的轮毂X射线图像缺陷分割方法AW-Net。该方法通过 三级跳跃连接的方式级联两个U型网络对图像特征进行深度提取。同时在跳跃连接的过程 中融合注意力机制以解决小目标的变化情况容易被漏检的问题,并通过实验验证结合使用多 种激活函数来实现更精准的轮毂X射线图像语义分割,增加网络的拟合能力,提高网络的 鲁棒性。实验结果表明:改进后的算法在本文构建数据集的汽车轮毂内部缺陷的误判率为2.73%,漏判率为 0,识别率达到93%以上,其分割精度高于传统图像分割网络全卷积网络 (fully convolutional network, FCN) 和U- Net,且本方法边 缘分割更加平坦,满足现代轮毂内部缺陷无损检测的需要。

摘要:车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安 全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵 的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提 取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从 而 将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提 方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。

摘要:本文针对焊缝缺陷尺度变化不一导致的检测率效果不理想,提出了一种基于更快地区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN) 对焊缝缺陷检测的改进算法。算法利用膨胀卷积在不同扩张率下进行特征融合,结 合不同感受野下的卷积核更全面地提取不同尺度的特征信息,来提升目标的检测精度。同时 利用深度可分离卷积,来对模型进行压缩,提高检测速度。实验表明,改进后的网络在保证 运行速度的同时,能够提高检测速度,检测精度可以达到72%。

摘要:针对传统人力无损检测识别方式存在的准确度与可靠性不足,且处理缺陷种类单一的 问题,本文提出了一种融入频域特征的航天复合材料缺陷检测算法。首先, 为了提高缺陷图像的特征提取效果,在特征提取骨干网络中添加图像的频域输入信息；其次 ,为了提高缺陷的可视化效果和检测精度,提出信息专注模块,并在面具R-CNN(mask region-based convolutional neural network, Mask R-CNN)的基础上 , 改进分割掩模损失函数；最后,结合级联R-CNN(cascade region-based convolutional neural network, Cascade R-CNN)结构,形成了新的实例分 割网络。此外,在航天复合材料缺陷X射线图像数据集中对提出的实例分割网络进行了实验 验证,模型检测的平均准确度达到了95.3%,与Mask R-CNN、级联面具R-CNN(cascade mask region-based convolutional neural network, Cascade Mask R-CNN)等实例分割 算法相比,取得了更为优良的效果。该研究成果已应用于实际工业生产中几种常见航天复合 材料缺陷的智能检测。

摘要:为改善激光诱导击穿光谱技术(laser-induced b reakdown spectroscopy,LIBS)的光谱特性,搭建了平面反射镜约束下的LIBS检测系统,将 平面反射镜放置于样品两侧,分别选 取平面反射镜间距7mm,9mm,11 mm,13 mm 开展实验,得到等离子体辐射强度随平面 反射镜间距增加而减小。研究了不同平面反射镜间距对土壤样品中Fe,Al,Pb 3种元素等 离子体特性的影响,实验结果显示:相比于无平面反射镜约束,在平面反射镜间距为7mm 时,样品中Fe I,Al I,Pb I等3种元素的信噪比分别提高了29.9%, 39.4%,31.0%；计算得 到等离子体温度提高了484.54 K,等离子体电子密度提高了 2.41×10¹⁵ cm－3。对有无平面反 射镜约束下的Pb元素进行定量分析,得到检测限从86.9 mg/kg降低到 51.2 mg/kg,相对标 准偏差从7.8%降低到4.6%。可见,利用平面反 射镜是改善激光光谱特性的一种简单有效的 方法。

摘要:碳纤维增强树脂基复合材料 (carbon fiber reinforced resin polymer,CFRP) 在周期载荷作 用下产生的基体裂纹、纤维断裂 等微损伤的累积会严重影响CFRP的力学性能,微损伤尺寸较小且位置分散,传统的无损检 测方法难以准确识别。激光超声检测技术具有非接触、检测速度快、测量范围广等优点,特 别是结合激光的远距离激励和大角度入射的优势,在大尺寸、曲面形式结构材料的损伤检测 方面有巨大的潜力。本文基于激光热弹效应,在分析激光作用到CFRP后的温度、应力和位 移场分布的基础上,对CFRP内部超声波的产生过程和传播特性进行了系统研究。并通过对 CFRP中不同处存在缺陷时的超声波回波信号的分析比较,得到缺陷位置与回波信号特性之 间的对应关系,从而实现从回波信号特征反演出CFRP中缺陷位置的关键信息。

摘要:为了提高光纤拉曼放大器的放大性能,设计了一种高拉曼增益系数和较大负色散的 光子晶体光纤。利用全矢量有限元分析方法对包层为正八边形的光子晶体光纤进行数值分析 , 探究空气孔结构和纤芯掺锗浓度的改变对有效模场面积和拉曼增益系数的影响,最后得到一 种小模场面积、高拉曼增益系数和较大负色散的光子晶体光纤。研究结果表明:在泵浦波长 为1450 nm且信号波长为1550 nm处包层空气孔 直径为1μm、孔间距为1.2 μm的掺锗光子晶体光纤结构可获得19.97 W－1·km －1的高拉曼增益系数,同时在1550 nm处可 获得－327.6 ps/(nm·k m)的较大负色散,该光纤的综合特性对于拉曼放大器放大性能的提高有重要意义 。

摘要:由于高阶调制具有比特相关性,从而导致极化码在光通信系统中无法有效的进行信 道极化。本文提出了一种适用于偏振复用光通信系统的极化交织器。该极化交织器使用一个 统一的编码器对系统的信息比特进行极化编码,再对编码后的序列进行比特交织,打破了高 阶调制的比特相关性,降低了对极化码信道极化的影响,提升了通信系统的性能。同时,对 比分析了2D和4D调制编码方案,并在解码符号度量计算时加入缩放因子,提升了系统的 误码性能。仿真显示,信道为加性高斯白噪声 (additive white Gaussian noise,AWGN) 时,极化交织方式与传统比特交织编码调制(bit interleaved coded modulation, BICM)相比,在相同的信噪 比下误码性能提升了约1个数量级,在加入缩放因子后,系统的误码性能提升了约0.5 dB。 在偏振复用16进制正交幅度调制(polarization multiplexing 16quadrature amplitude modulation,DP-16QAM) 相干光通信系统中,在误码率为10－4的情况下,4D极化交织方案相比传统BICM方案,性能提升了约1.3 dB。且在不同偏振模色散(polarization mode dispersion, PMD) 下,4D调制方 案对系统PMD的容忍度比2D调制方案更优。

摘要:本文针对双芯谐振色散补偿微结构光纤中色散调控与结构参数优化等问题,提出了一 种基于神经网络的光纤轨道角动量模式色散特性预测方法。通过搭建多层神经网络模型,调 节神经网络的隐藏层层数、神经元个数及网络超参数,得到了较为准确的色散预测结果。本文提出的 方 法建立了光纤结构与色散特性之间的联系与规律,与传统光学仿真计算方法相比,该方法可 以更快速高效地找到光纤结构对应的模式色散特性,对光纤结构的设计和优化有一定的指导 作用。