摘要:提出一种基于高分子湿敏材料涂覆的光纤损失模式共振(lossy mode resonance,LMR)湿度传感器,以多模光纤为基底,使用层层自组装(layer-by-layer assembled,LBL)方法在纤芯表面沉积二氧化钛(titanium dioxide,TiO₂)以激发LMR效应,并通过理论和实验验证了其对于折射率变化的敏感性。以聚乙烯醇(polyvinyl alcohol,PVA)和聚酰亚胺(polyimide,PI)分别作为湿敏材料制作LMR湿度传感器,通过观察吸收光谱中共振峰的偏移来实现对周围环境湿度变化的监测。实验结果表明,两种传感器都能实现湿度的传感,且表现出相近的传感特性,其中PVA传感器在60%RH—90%RH湿度区间,灵敏度最高可达到2.94 nm/%RH,两种传感器湿度灵敏度高、可逆性、重复性好,在湿度检测领域有广泛的研究和应用前景。

摘要:为实现光学信息的高效处理和光学器件的高度集成,根据光子晶体(photonic crystal,PC) 环形腔与波导之间的共振耦合原理,本文设计了一个基于二维三角晶格光子晶体的由点缺陷谐振腔、三角形环形谐振腔与线缺陷波导和反射异质结组成的新型四通道滤波器。利用平面波展开法(plane wave expansion method,PWEM) 得到了完整光子晶体及线缺陷波导的能带图,计算得到反射异质结对提高滤波效率有明显的作用。利用时域有限差分法(finite-difference time-domain,FDTD) ,对该四通道滤波器在1.456 μm、1.493 μm、1.422 μm、1.476 μm波长处的滤波效率进行仿真。仿真结果表明:通过调节谐振腔中心介质柱半径等参数,该四通道滤波器的滤波效率均在99.84%以上,实现了高效率的滤波输出。此外,滤波器各信道的最大插入损耗仅为0.009 dB,半峰宽小于7.2 nm,品质因数大于207。本文设计的四通道滤波器实现了窄带滤波且性能参数良好,在光通信应用中具有较好的适用性和可推广性。

摘要:为满足宽频带、高极化转换率(polarization conversion ratio,PCR)和小型化极化转换器的应用需求,本文设计一种基于手性超构表面的双宽频带、高PCR的透射型极化转换器,其由顶层、底层开口环和中间介质基板的三层复合结构组成。仿真结果表明,该超构表面在6.21—7.05 GHz和8.74—9.73 GHz频率范围内均可实现线极化波的转换,PCR均超过90%,相对带宽分别为12.70%和10.72%。通过分析谐振频率处的表面电流,揭示其高PCR和双频带极化转换机理。此外,探讨超构表面的几何参数、介质层厚度、入射波极化方式和极化角度等参数对双频带极化调控特性的影响规律。所提出的基于手性双频带极化转换超构表面具有结构简单、极化不敏感等优点,在微波通信、显微成像、隐身技术等领域具有潜在的应用价值。

摘要:本文设计了一种基于表面等离子体共振(surface plasmon resonance,SPR)效应的光子晶体光纤(photonic crystal fiber,PCF)折射率传感器,通过创新性地在近红外波段(1.3—2.3 μm)激发SPR效应,显著提升了同类型传感器在该波段的折射率检测上限,实现了高折射率物质的精确传感。采用有限元方法(finite element method,FEM)对传感器结构进行了系统仿真与优化,重点分析了其光学损耗特性、SPR效应表现及折射率传感性能。实验结果表明,该传感器在1.44—1.58的宽折射率范围内表现出优异的传感特性,其灵敏度高达9 100 nm/RIU,分辨率达到1.099×10-5 RIU。这种高性能SPR-PCF传感器在环境监测领域,特别是原油泄漏检测方面展现出重要的应用前景,为复杂环境下高精度折射率检测提供了新的技术方案。

摘要:焊缝表面缺陷识别在焊接过程和质量控制中起着至关重要的作用。经典的二维主成分分析(two-dimensional principal component analysis,2DPCA)算法在焊缝缺陷识别中采用F范数度量存在对异常偏差值和噪声敏感、鲁棒性差、投影距离最大的同时不能有效减小重构误差等问题。针对上述问题,本文使用了联合范数度量方式,将L1和R1范数添加到函数模型中,提出了一种名为L1-2DPCA-R1的二维主成分分析算法,列出了该算法的迭代求解方法。该算法降低了图像的重构误差,有着较好的重构性能,抑制了异常偏差值和噪声的影响,提高了鲁棒性,保持了分类率的优势。实验结果表明,该算法能够准确检测各种焊缝缺陷类型,比其他主成分分析 (principal compoent analysis,PCA) 算法抗大噪声的能力更强、鲁棒性更优、重构误差更小。

摘要:针对非物质文化遗产蓝印花布纹样的数字化传承与创新技术缺乏问题,提出一种基于改进的稳定扩散 (stable diffusion,SD) 模型的蓝印花布纹样生成方法,通过文生图和图生图技术实现蓝印花布单纹样和多纹样的主动生成。对于蓝印花布纹样数据集较少,无法训练出大模型的难题,提出将稳定扩散模型和低秩自适应算法(low-rank adaptation,LoRA)微调网络结合,训练出具有蓝印花布特征的LoRA微调网络；对于稳定扩散模型输出具有随机性问题,提出将稳定扩散模型与判别网络相结合,对生成的图片进行判断,筛选出符合蓝印花布特征的纹理图片。实验结果表明,通过关键提示词或图片,可以生成具有纹样语义信息和图片特征的蓝印花布新纹样。

摘要:裂缝是混凝土建筑结构中最大的安全隐患之一。为实时高效分割混凝土裂缝并及时评估其危害,提出一种改进DeepLabV3+的轻量化裂缝分割算法。首先,使用MobileNetV3作为轻量级主干,大幅降低模型参数量；其次,使用尺度内特征交互模块(attention-based intrascale feature interaction,AIFI) 建模全局信息并引入基于归一化的注意力模块(normalization-based attention module,NAM) ,促进多层次裂缝特征信息的交互；此外,提取低层次高分辨率特征后引入混合注意力机制(ACmix),更有效捕获细节特征；最后,设计C2f-SCConv模块,对融合后的高低层级特征流解码,减小计算冗余,提升对多尺度特征的感知能力。在公共裂缝数据集Concrete 3k和Asphalt3k上的实验结果表明,提出的模型参数量相比DeepLabV3+降低了88.1%,像素准确率提升0.02%,平均交并比 (mean intersection over union,mIoU) 达到了86.21%,平均帧率为47.91帧/s,在显著降低模型复杂度的同时提高了对裂缝的分割效能。

摘要:针对目前列车轮对踏面缺陷检测精度低、检测速率慢和检测类别单一等问题,提出一种改进的轻量化YOLOv7-tiny踏面损伤检测方法。该方法采用轻量级的MobileNetV3网络替代YOLOv7-tiny的主干网络,降低模型的参数量与计算量；将BiFormer注意力机制嵌入主干网络中,可强化学习目标区域的特征,提升模型的检测精度；利用集中式特征金字塔(centralized feature pyramid,CFP)以加强特征的层内调节能力,捕获全局长距离依赖关系与踏面缺陷的局部关键信息；采用WIoU(wise intersection over union)损失函数提升边框回归损失的收敛速度,增强模型的鲁棒性；通过在YOLOv7-tiny的检测头部引入GS解耦头(GSconv decoupled head,GSDH),将分类和回归任务解耦出单独的特征通道,有效地提升模型的并行计算速率和检测精度。实验结果表明:改进的YOLOv7-tiny网络参数量与计算量分别减少11.7%和21.2%,检测准确率提高7.9%,召回率提高10.5%,平均精度均值提高10.1%,检测速度提高7.4帧/s,实现轻量化的同时具有更好的检测性能。改进的方法在轮对踏面损伤检测中具有较广泛的应用前景。

摘要:针对电弧增材制造(wire arc additive manufacturing) 沉积表面精度差、减材加工切削余量大、浪费材料和制造时间长等问题,使用高速激光轮廓仪测量工件沉积表面并提出了偏差识别与去除方法。本文搭建了基于双机器人的电弧与铣削复合的增减材制造系统,该系统通过高速激光轮廓仪对沉积表面进行三维检测。基于三维测量数据,提出了一种针对沉积表面偏差的快速识别与去除方法,实现了系统工作流程设计、三维测量、点云数据去噪与重建、凸起及凹陷两种偏差的识别与去除的增减材路径规划与编程。实验结果表明,本文提出的算法能高效准确地识别出沉积表面偏差的类别与几何形状,为偏差的去除提供了重要依据,显著提高了电弧增减材复合制造工艺的成形精度。

摘要:针对盾构管片生产中耗时长、效率低、人力成本高等问题,设计了一套自动化抹面机器人硬件系统。为了应对初次抹面后预制混凝土的质量检测需求,研发了一套基于YOLOv5特征检测算法的人机交互软件系统。通过将自动化抹面机器人搭载特征检测人机交互界面,实现了盾构管片的自动化生产过程。实际应用结果表明,YOLOv5特征检测算法对初次抹面后混凝土表面特征的缺陷检测准确度较高,且机器人具有较高的定位精度。该系统能够充分满足现实生产需求,提高了生产效率。

摘要:在基于阵列波导光栅(arrayed waveguide grating,AWG) 的光互连数据中心中,每个节点可以接收由任意波长携带的多个信号,如果节点无法分离信号,则可能导致信道冲突。提出了一种三信道接收方案,允许每个节点同时接收任意一组3个波长的信号(即防冲突)。任意两个信号之间的偏振差为60°。在接收时,复合信号被分到3个偏振分束器(polarization beam splitter,PBS) ,然后经过3个光电检测器(photodetector,PD)进行处理 。每个PBS滤除一个信号,随后的PD检测另外两个信号。3个信号可以通过在电域或数字域中的算术运算从检测结果中复原。改进后的方案不需要波长可调谐接收器或冗余接收器,并实现了单个节点可以同时接收任意一组3个波长的信号。仿真结果验证了改进后方案的可行性。

摘要:点云配准在计算机视觉领域有着关键作用,涵盖三维重建、目标识别及机器人导航等多个领域。当前传感器技术的进步使得稠密点云数据的获取更为容易,模型几何细节也更加精确。然而,稠密点云的处理面临诸多挑战,如计算复杂、效率低下等。本文针对此提出一种基于距离变换的稠密点云配准算法。该算法首先通过距离变换技术对源点云和目标点云进行投影,获取不同视角下的距离变换图。接着以两图差异作为目标函数,利用梯度下降算法优化点云间的变换关系,经多次迭代实现准确对齐。在Stanford 3D Scanning 数据集上的实验表明,本算法在处理稠密点云时精度高、速度快,配准数十万点的点云数据仅需约2 s,误差小于0.3°和0.5 mm,具有广阔的应用前景。

摘要:针对结直肠息肉图像病灶区域定位不准和分割边界模糊等问题,本文提出一种融合Transformer与双图卷积(dual graph convolutional network,dual-GCN) 的结直肠息肉分割算法。首先利用Transformer编码器解析图像中不同尺度的特征信息,建立像素间的长距离依赖关系。其次设计双图卷积语义细节注入(dual-GCN semantic detail injection,DGSDI) 模块,融合深层特征的空间与结构信息,增强边界表示。然后采用局部金字塔注意力(local pyramid attention,LPA) 模块,对浅层特征进行全局和局部的注意力权重计算,精准定位病灶区域并抑制无用信息。最后引入动态特征融合(dynamic feature fusion,DFF) 模块自适应聚合不同尺度特征,增强对尺度变化大和形状不规则病理性图像的处理能力。本文算法在Kva- sir、CVC-ClinicDB、CVC-ColonDB和ETIS 4个公共数据集上的实验结果显示,Dice系数分别为0.924、0.943、0.817和0.813,平均交并比(mean intersection over union,mIoU) 分别为0.871、0.896、0.733和0.732,验证了该算法的有效性。