2024, 35(2):113-121.
摘要:针对桥梁低频振动监测灵敏度低的问题,提出了一种基于等强度悬臂梁的低频高灵敏度光纤光栅(fiber Bragg grating,FBG)加速度传感器。以悬臂梁厚度与质量块质量为主要参数设计了12组FBG加速度传感器,通过激振器对传感器进行幅频特性、灵敏度及横向抗干扰试验,得到较适合监测桥梁振动的一组传感器,其固有频率为49 Hz,工作频带为0—34 Hz,灵敏度高达664.53 pm/g,线 性 度为99.9%,且横向抗干扰能力强。通过理论推导到试验验证,为桥梁振动提供一种新型有效的监测手段。
何进 , 赵士龙 , 郭凌伟 , 华有杰 , 叶仁广 , 徐时清
2024, 35(2):122-127.
摘要:半导体激光器的发射波长随工作电流和温度的改变而变化,从而影响输出激光的有效线宽和波长稳定性,无法满足固体激光器中增益介质对泵浦源波长和线宽的要求。使用自主研发的衍射效率为9.9%的878 nm反射式全息体布拉格光栅(volume Bragg grating,VBG)作为半导体激光器的反射腔镜,可以将激光发射波长锁定在设计的878 nm附近,输出线宽仅为0.3 nm,波长电流漂移系数为0.015 nm/A,温度漂移系数为0.0075 nm/℃。利用波长锁定的半导体激光器作为泵浦源、自主研发的衍射效率为98.71%和94.32%的1 064 nm VBG作为前后腔镜以及掺杂浓度为0.3%的Nd∶ YVO4晶体作为增益介质搭建全固态激光器,经过空间光路的调试,获得中心波长1 064.2 nm、线宽0.29 nm的连续稳定激光输出。
陈斯彤 , 王伟 , 周立凡 , 王东平 , 徐郁盛 , 张雄星
2024, 35(2):128-134.
摘要:在应用双峰法解调光纤法布里-珀罗(Fabry-Perot,FP)传感器时,由于难以准确判断干涉级次,而导致解调腔长误差明显过大。为了应对这种问题,提出一种双峰级次腔长解调算法。该算法通过跟踪传感器反射光谱中相距最远的两个波峰准确判断出所选波峰的干涉级次,然后根据单峰法精确解算出绝对腔长。由于有效消除了双峰法的干涉级次模糊,腔长解算精度显著提高。对腔长30—100 μm的FP传感器进行了仿真分析和验证实验。仿真解调误差小于0.7 nm,实验误差小于1.4 nm,解调误差远小于双峰法。
2024, 35(2):135-142.
摘要:针对轻量化微光增强网络Zero-DCE在处理亮度变化范围较大的微光图像时,存在不同区域亮度增强不一致导致的图像不清晰问题,本文提出了一种基于伽马变换的自适应损失函数,在原损失函数的基础上降低了网络对图像曝光差异的敏感性,明显改善了微光增强效果。该方法通过在卷积神经网络 (convolutional neural network,CNN) 中添加CBAM模块提高网络对微光图像特征的表达能力,使用网络增强图像灰度平均值与增强特征图均值的对数距离作为伽马变换自适应系数,最后计算网络增强图像和伽马变换后的图像之间的灰度参数距离。实验表明,与原网络相比,改进后的方法处理效果提升显著,其中在图像评价指标方面,均方误差提升9.7%,峰值信噪比提升13.8%,结构相似性提升6.7%。
2024, 35(2):143-154.
摘要:针对经典卷积神经网络(convolutional neural network,CNN) 的高光谱影像分类方法存在关键细节特征表现不足、训练需要大量样本等问题,提出一种基于多尺度特征与双注意力机制的高光谱影像分类方法。首先,利用三维卷积提取影像的空谱特征,并采用转置卷积获得特征的细节信息;然后,通过不同尺寸的卷积核运算提取多尺度特征并实现不同感受野下多尺度特征的融合;最后,设计双注意力机制抑制混淆的区域特征,同时突出区分性特征。在两幅高光谱影像上进行的实验结果表明:分别在每类地物中 随机选取10%和0.5%的样本作为训练样本,提出模型的总体分类精度分别提高到99.44%和98.86%;对比一些主流深度学习分类模型,提出模型能够关注于对分类任务贡献最大的关键特征,可以获取更高的分类精度。
2024, 35(2):155-163.
摘要:面对印刷电路板(print circuit board,PCB)小型化、多层化、高集成化的趋势,针对目前PCB缺陷检测方法存在漏检、特征提取困难、误检率高以及检测性能差等问题,本文提出了基于改进YOLOv5算法的PCB小目标缺陷检测方法。该方法先针对PCB小目标缺陷特点采用DBSCAN(density-based spatial clustering of applications with noise) +二分K-means聚类算法以找到更适合的锚框;然后对YOLOv5的特征提取层、特征融合层以及特征检测层进行改进,增强关键信息的提取,加强深层信息与浅层信息的融合;从而减少PCB缺陷的误检率、漏检率,以提高网络的检测性能;最后在公开PCB数据集上进行相关对比实验。结果表明,改进后模型的平均精度(mAP)为99.5%,检测速度为0.016 s。相比于Faster R-CNN、YOLOv3、YOLOv4网络模型,检测精度分别提升了17.8%、9.7%、5.3%,检测速度分别提升了0.846 s、0.120 s、0.011 s,满足PCB缺陷在实际工业生产现场的高精度、高速度检测要求。
王岩 , 胡睿甫 , 陈代鑫 , 董颖怀 , 付志强 , 栾琦
2024, 35(2):164-170.
摘要:针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。
2024, 35(2):180-190.
摘要:为解决单体热电池生产中出现的安装错误、人工检测耗时耗力的问题,提出一个结合迁移学习和卷积 神 经网络(convolutional neural network,CNN) 的单体热电池缺陷检测模型。首先,对数据集图像进行裁剪、加噪等预处理,以VGG16(visual geometry group 16) 网络作为 模型的骨干架构,在瓶颈层后增添选择性核(selective kernel,SK) 卷积;然后,增添全局平均池化(global average pooling,GAP) 层, 增加Dropout层及添加 L2 正则化等微调操作,得到单体热电池缺陷检测模型Q-VGGNet;最后,在大型公开数据集ImageNet上进 行预训练学习,将获得的权重参数迁移到单体热电池图像识别模型Q-VGGNet上。测试实验表明:6种 网络模型对数据集缺陷图像的总体识别准确率分别达到了98.39%、94.44%、97.27%、96.34%、93.71%、 95.61%,Q-VGGNet网 络模型 对合格图像和 漏装负极、极耳断裂、漏装集流片3种缺陷图像 识别准确率 分别达到了99.6%,95.9%,99.6%和98.4%。检测结果表明:该方法能够更准确、快速地检测热电池缺陷, 拥有良好的缺陷诊断能力,较传统方法提高近3%,为人工检测单体热电池缺陷提供了良好的解决途径。
2024, 35(2):191-197.
摘要:针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。
2024, 35(2):207-215.
摘要:面对粮食联盟链网络中的大量共识节点,由于传统实用拜占庭容错(practical Byzantine fault tolerance,PBFT)共识算法效率低下,导致通信能耗过高,从而极大地增加信息泄露和数据造假的风险。针对上述难题,本文提出了一种基于凝聚型层次聚类(agglomerative hierarchical clustering,AHC)的PBFT优化共识算法。首先,利用AHC算法对所有网络共识节点进行目标划分和聚类;其次,使所有簇并行发生PBFT共识;最后,通过簇间主节点共识达成消息一致。实验结果表明,该改进算法能够有效降低能量开销,并提高共识效率和吞吐量。
2024, 35(2):216-224.
摘要:针对相位编码连续变量量子密钥分发(continous variable quantum key distribution,CVQKD) 在远距离传输时,量子态在接收端的检测效率较低的问题,本文提出在接收端使用朴素贝叶斯(native Bayes,NB)分类器来改进系统性能。NB分类器首先对已标记类别的量子态进行训练,学习不同类别量子态的分布情况,计算每个类别的先验概率和似然概率,再基于先验概率和似然概率计算出待测量子态属于每个类别的后验概率,根据后验概率的大小来确定待测量子态的类别。仿真结果表 明,改进方案可以通过降低测试态在接收端被错误测量的概率来提升系统性能,当过量噪声为0.01时,改进方案的安全距离可以突破250 km。