摘要:单晶蓝宝石光纤传感器在航空航天、燃气轮机等超高温极端环境监测中扮演着重要角色。针对该类光纤在超高温环境中因高温损伤导致预期寿命降低的难题,通过实验定量和系统性评估蓝宝石光纤在高温环境下传输损耗的变化规律,测量了不同保护管、不同温度、不同波长下的光损耗数据及表面特征,发现蓝宝石光纤高温损伤包含永久损伤和可逆损伤,永久损伤可以通过有效封装和保护极大降低。实验结果表明,在蓝宝石套管保护下,退火后的单晶蓝宝石光纤在 1 600 ℃时, 1 550 nm波段损耗速率为0.16 dB/h,为超高温光纤传感研究提供了参考。

摘要:在现有的光纤光栅(fiber Bragg grating,FBG) 位移传感器设计中,传感器的拉杆或拉绳与本体之间因需要相对运行而存在间隙,当传感器工作在潮湿或浸水环境中时,水汽会侵蚀传感器内部结构,引起光栅脆断和胶黏剂脱裂,导致传感器损坏失效。针对这一问题,本文设计了一种防潮增敏型光纤光栅位移传感器。将光纤光栅区域与传感机构运动区域物理隔离,有效阻断了水汽传导路径。详细介绍了传感器的结构设计、测量理论、悬臂梁参数优化等内容。设计了传感器原型,搭建了一种水下测试标定装置。实验结果表明:在10 mm量程下,传感器灵敏度可达到530.77 pm/mm；在不同温度区间内,双光栅波长漂移量差绝对值稳定于20 pm以内；经48 h蠕变测试,单根光栅波长漂移差值的绝对值稳定在 2 pm左右,传感器展现出良好性能。

摘要:针对传统光纤在小弯曲半径下弯曲损耗过高的问题,本文提出了一种具有低弯曲损耗的单模光纤(low-bending-loss single-mode fiber,LBL-SMF) 。通过在光纤包层中嵌入高折射率介质管,可以实现包层模与高阶模之间的能量耦合。这种方法能使高阶模因传输损耗过高而被有效滤除,从而确保了单模传输的特性。同时通过利用纤芯与包层之间的高折射率差,基模能够有效地被限制在纤芯中,从而实现光纤的低弯曲损耗传输。采用全矢量有限元法进行仿真,结果显示:当工作波长为1.55 μm、弯曲半 径为5 mm时,基模的最小弯曲损耗可低至0.001dB/m。此外,该光纤的单模带宽约为0.55 μm,在 1.55 μm波长下的模场直径为9.10 μm,拼接损耗最低可达5.03×10-4 dB,与标准单模光纤(standard single-mode fiber,S-SMF)具有良好的兼容性。

摘要:由于水下光照不均匀等因素,水下图像常常受到色彩失真、对比度下降和模糊等问题的影响。本文提出了一种基于颜色均衡与多任务融合的水下图像增强框架。首先,采用红色通道补偿和自动颜色通道拉伸的白平衡方法进行色彩矫正。其次,使用自适应伽马矫正的限制对比度自适应直方图均衡(contrast-limited adaptive histogram equalization,CLAHE)方法提升图像的对比度。此外,利用双尺度非线性细节增强方法改善图像的细节和边缘。最后,通过多任务融合方法将细节增强图和对比度增强图融合,从而全面提升水下图像质量。实验结果表明,与其他算法相比,该方法在处理效果上具有更明显的优势。

摘要:图像在获取和传输过程中受到各种噪声的干扰,设计一种能够有效去除噪声,又能有效保留图像原有的边缘、纹理和其他细节特征的去噪算法一直是研究学者们的追求目标。在传统的小波阈值图像去噪算法基础上,本文提出了一种改进的图像去噪算法,该算法结合了小波变换和全变分模型。首先,考虑到图像在离散小波变换域中各层小波系数之间的相关性,本算法对各层高频子带选择不同的自适应阈值,自适应调整小波系数的缩小力度,从而去除图像高频噪声。然后,采用图像全变分模型,在有效控制图像失真度和平滑程度的基础上去除低频噪声。实验结果表明,该算法在去除噪声的同时,更好地保留图像的边缘、纹理等特征,且在峰值信噪比(peak singal-to-noise ratio,PSNR) 、结构相似性(structural similarity,SSIM) 和视觉质量等方面均优于其他相关去噪算法。

摘要:针对胸部计算机断层扫描(computed tomography,CT)影像中肺结节检测的精度需求,本研究提出了一种基于注意力机制的U-Net网络(Attention U-Net)。该网络结合了U-Net的编码-解码架构及注意力机制,以增强重要特征的提取和不相关信息的抑制,从而提高结节检测的精度。在网络中,注意力模块有助于在多尺度特征图中自适应地加权,使模型能够更好地集中于肺结节的区域,减少噪声干扰。在公共数据集LUNA16上进行了一系列实验,结果表明,使用Attention U-Net网络的检测性能明显优于传统方法,且提供了更高的准确性和召回率。此外,在临床数据集TCIA上,实验结果进一步验证了该网络在实际应用中的有效性和可靠性。这表明基于Attention U-Net的肺结节检测方法在胸部CT扫描的临床实践中具有广泛的应用前景。

摘要:针对传统无人机航拍图像中目标尺度多样、背景复杂、小目标密集等特点,当前目标检测算法存在漏检、误检等问题,提出一种BL-YOLO(BiFPN-LSKA YOLO)目标检测算法。首先,在检测头前增加LSKA(large separable kernel attention)注意力机制,使模型在检测前能将注意力集中于最关键的特征。然后,添加一个大尺寸160×160目标检测头以提升对航拍图像小目标的检测能力。最后,设计使用双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)重构颈部结构,使得网络实现多层特征融合。实验结果表明,基于BL-YOLO网络结构的目标检测的mAP(mean average precision) @0.5为37%,模型较YOLO v8n、v10n、v11n分别提升了4.0%、4.6%、4.3%,BL-YOLO的参数量较YOLO v8n、v10n、v11n分别下降了18%、8.6%、4.7%,通过在Dronevehicle红外数据集上的泛化实验也验证了模型的有效性,BL-YOLO算法能够有效地实现无人机航拍图像的目标检测。

摘要:圆形标识广泛应用于条纹投影三维测量系统标定。针对相机透视投影变换导致的拍摄所得椭圆中心与空间圆圆心在图像中的真实投影点存在离心偏差的问题,本文提出了一种圆形标识离心偏差校正方法。首先,基于现有的离心偏差公式,研究了物面与相机相对位姿变化对圆离心偏差的影响,探讨圆的半径、物面旋转方向和圆在物面上的位置分布等因素对离心偏差的影响。然后,分析了真实圆心与透视投影后的拟合圆心相对椭圆长短轴的位置变化规律,建立了圆形标识离心偏差校正模型。最后,基于校正模型利用线性拟合实现了圆离心偏差的校正。实验表明,相比直接椭圆拟合方法,使用本文方法进行系统标定,测量误差减少13.7%,有效提高了系统的标定精度和测量精度。

摘要:现有的激光武器相关研究多集中于陆海基平台,主要模拟分析激光的传输特性和毁伤效果,但对战场大气环境、激光工作海拔高度等因素对激光到靶功率密度的影响研究不足,尤其缺乏机载激光武器辐照目标光束传输的深入探讨。针对该问题,考虑了大气湍流、衰减、衍射、散射及载机抖动等多重因素对光束传输的影响,建立了高空作战环境下机载高能激光武器的大气传输模型,计算了机载激光辐照目标的到靶光斑尺寸和功率密度,探讨不同效应参数与激光到靶光斑尺寸和功率密度的关系。该研究不仅为机载激光武器的参数指标优化提供了理论支撑,也为后续空中对抗场景的作战研究奠定基础。

摘要:光通信网络安全至关重要,其中窃听行为的存在更是威胁系统的信息传递。为了解决此问题,提出了一种基于光子储备池计算(photonic reservoir computing,PRC)的简单高效窃听定位方法。通过仿真搭建了正交频分复用(orthogonal frequency division multiplexing,OFDM)光纤通信系统和基于光反馈半导体激光器的PRC结构。通过在光纤链路中引入光耦合器来模拟窃听行为,并在接收端采集相关性能监测数据。利用接收到的性能监测数据来训练PRC模型。在研究了一系列关键的半导体激光器参数后,仿真结果表明,该方法对窃听行为的位置识别准确率超过99%。该方法为使用简单的硬件实现光通信网络窃听定位提供了一条有前途的途径。

摘要:肺炎是威胁儿童健康的主要疾病之一,精准的肺炎计算机断层扫描(computed tomography,CT)图像分割对儿童肺炎的早期诊断和治疗至关重要。但由于儿童肺炎病灶破碎分散以及边界高度不规则,现有方法在儿童肺炎分割中表现不佳。为解决上述问题,本文提出了一种融合边缘校准(edge calibration module,ECM) 与多尺度混合注意力(multi-scale hybrid attention module,MSHA) 的儿童肺炎CT图像分割网络(pediatric pneumonia CT image segmentation network with ECM and MSHA,ECHANet) 。该网络基于U型架构,结合ECM和MSHA,能增强对局部边界和全局零散病灶的学习能力。同时,采用尺寸感知选择性融合模块 (dimension-aware selective integration module,DASI) ,自适应地融合不同层次的特征,改善小病灶的分割效果。实验结果表明,该方法在临床儿童肺炎CT数据集上的表现优于其他方法,且在两个公开新冠肺炎CT数据集上性能良好,验证了其泛化能力。

摘要:针对结直肠息肉图像中病灶区域边界模糊和尺度变化显著等问题,本文提出了一种基于自适应边界增强和上下文聚合的结直肠息肉分割网络模型(adaptive boundary enhancement and context aggregation network,AC-Net) 。首先,以金字塔视觉Transformer(pyramid vision Transformer,PVT) 作为编码器逐层提取息肉图像中多尺度的远程依赖特征；其次,提出局部全局上下文聚合模块(local-global context aggregation module,LGCAM) ,挖掘局部和全局的上下文语义线索,有效抑制背景噪声干扰；最后,构建渐进式双解码器,通过跨层特征融合模块(cross-layer feature fusion module,CLFFM) 和两个级联的自适应边界增强模块(adaptive boundary enhancement module,ABEM) 有效地融合跨层的语义信息,逐级强化边界特征,精细刻画息肉边缘。实验结果显示,模 型在CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB和ETIS-LaribPolypDB数据集上的平均Dice系数分别为0.944、0.934、0.817和0.800,平均交并比(mean intersection over union,MIoU) 分别为0.897、0.885、0.736和0.725,验证了该模型的有效性。