电致发光缺陷检测仪的成像性能评估

针对电致发光缺陷检测仪的成像性能不一致的现状,结合光伏组件自身的电致发光原理,对分辨率、图像均匀性、图像显示等技术指标进行了分析和比较,提出了一种适用于光伏组件生产线现场快速有效的检测技术。研制了相应的检测评估装置,开展了相关测试试验。实验结果表明,利用该技术对粘贴在组件上的分辨率测试板的图像进行视觉判读,可实现1.98lp/mm(线对每毫米)的最高分辨率检测以及0.1mm线宽的最小单条纹缺陷模拟检测,从而保证光伏组件的缺陷检测工作能够更加准确有效,促进光伏产业的质量提升。经测试,该评估技术适用于光伏组件生产线上的电致发光缺陷检测仪,可满足目前光伏产业的检测需求。     

光伏电池图像序列的深度学习检测方法

为了实现光伏电池工厂端的智能检测,使用热红外相机采集电致热成像(Electro-thermography,ET)与短波红外相机采集电致发光现象(Electroluminescence,EL)检测光伏电池缺陷.提出一种基于光流法处理光伏电池热流场的热图像序列分析方法,准确找到异常发热源.并与短波红外成像找到的异常发光源融合,建立光伏电池检测数据库.通过深度卷积神经网络,实现对光伏电池内部缺陷与划痕、覆盖、裂纹、缺损等人工缺陷的有效识别.试验结果表明,基于光流的深度学习方法在均方误差、平均梯度、信息熵指标上优于主成分分析(Principal component analysis,PCA)与独立成分分析(Independent component analysis,ICA),并在卷积网络的训练中,能使网络更快地收敛.     

废旧铅酸蓄电池的X射线图像识别分类研究

为提高废旧铅酸蓄电池回收效率和金属回收质量,提出采用自动化手段分类废旧铅酸蓄电池。针对该识别分类问题,首先将主成分分析法、线性判别分析法应用于废旧铅酸蓄电池的X射线图像的特征提取。通过支持向量机对提取的训练集图像特征向量进行训练,分别对测试集的图像数据进行分类实验,并对比了不同数量的训练集和不同特征空间维度下各种方法的识别率。实验结果表明,主成分分析法、线性判别分析法可用于废旧铅酸蓄电池X射线图像的识别,并且随着训练集与测试集样本量的增加,二次线性判别分析法表现出较为稳定的识别率。     

缺陷太阳电池EL图像及伏安特性分析

本文基于电致发光（Electroluminescence,EL）的理论,利用红外检测的方法,通过CCD近红外相机实验检测出了晶体硅太阳电池中存在的隐性缺陷,如隐裂、断栅、电阻不均匀、花片等,并将可见光下电池图像与EL图像进行对比。对存在缺陷的太阳电池进行了伏安特性测试,得出隐裂缺陷对太阳电池伏安特性、填充因子、效率等性能的影响,也证明电致发光技术检测太阳电池缺陷的准确性。     

面向高光谱图像分类的空谱判别分析

针对传统的基于特征提取的高光谱图像地物分类算法大多只考虑光谱信息而忽略空间信息的问题,提出了一种面向高光谱分类的半监督空谱全局与局部判别分析(S3 GLDA)算法。该算法首先利用少量标记样本保存数据集的线性可分性和全局判别信息,再依靠较多的无标记的空间局部近邻像元来揭示局部判别信息和非线性局部流形,使高光谱遥感图像的光谱域全局判别结构和空间域局部判别结构在低维特征空间同时得以保留,并在输出特征中自动融入了空间信息,构成了半监督的空谱判别分析。在Indian Pines和PaviaU数据集的实验表明,总体分类精度分别达到76.24%和82.96%。与现有几种算法比较,该算法有效提高了输出特征在低维空间的判别能力,更好地揭示了数据集的内在非线性多模本质,有效提升了高光谱图像数据集的地物分类精度。     

基于改进ResNet模型的轴承沟道表面加工缺陷分类

轴承沟道表面缺陷具有细节丰富但特征不突出的特点,传统的特征提取方法进行缺陷分类时存在建模困难、分类准确率低的弊端,因此使用改进残差网络(ResNet)实现轴承沟道表面缺陷的高精度分类。以卷积神经网络为基础模型架构,使用残差块作为主要特征计算方法,在深层网络中融入Inception模块进行特征降维和拼接以获取更多的图像细节特征;同时,在特征计算中引入批量标准化(BN)进行数据正则化处理以加速模型收敛。对轴承沟道表面缺陷数据集的测试结果表明,改进ResNet模型比经典的LeNet5模型和ResNet模型精度更高且收敛性更好,准确率可达到98.84%,能够满足实际需要。     

多模深度卷积神经网络应用于视频表情识别

由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络,用于视频中的时空表情特征学习。其中,空间卷积神经网络用于提取视频中每一帧静态的表情图像的空间信息特征,而时间卷积神经网络用于从视频中多帧表情图像的光流信息中提取动态信息特征。然后,将这两个深度卷积神经网络学习到的时空特征进行基于深度信念网络(DBN)的特征层融合,输入到支持向量机实现视频中的人脸表情分类任务。在公共的RML和BAUM-1s视频情感数据集的测试结果表明,该方法分别取得了71.06%和52.18%的正确识别率,明显优于现有文献报导的结果。多模深度卷积神经网络的人脸表情识别方法能提高视频中人脸表情的识别性能。     

基于视觉的铁路货车滚动轴承表面缺陷分类研究

用CCD代替人眼对轴承表面缺陷进行图像采集,采用卷积滤波与开、闭运算相结合的图像处理方法,有效去除了缺陷周围边缘点的干扰。在提取传统特征基础上增加了压缩度、线度、距离极值比、NMI特征和不变矩等特征量,增强了缺陷分类的依据;对BP神经网络的输入矩阵和归一化方法的改进,提高了神经网络的记忆能力及识别速度;通过试验对缺陷分类系统识别结果进行检测,确定了该系统的可靠性。     

基于SCNN-ELM模型的手机外壳缺陷检测方法研究

针对现有方法在手机外壳缺陷检测过程中存在耗时长、准确率低和需要手工提取特征等问题,提出了一种基于空间金字塔池的卷积神经网络与极限学习机相结合的缺陷检测方法。首先,在经典卷积神经网络AlexNet中引入空间金字塔池化,作为网络结构的最后一层池化层,构建特征提取模型并进行模型的预训练。使得不同维度的图片可以输入网络,更完整地提取原始图片的特征信息。然后,在检测阶段,用极限学习机对训练模型提取的特征进行缺陷分类检测。实验过程中,对2400张三种不同类型手机外壳缺陷图片测试集进行检测,获得98%以上的检测精度。结果表明:所提方法能够实现特征的自动提取,有效检测出缺陷类型,检测精度相对于传统卷积神经网络提高了5%左右。     

基于三级级联架构的接触网定位管开口销缺陷检测

针对高铁接触网定位管开口销在列车长期运行振动中容易松脱并且松脱样本数量匮乏的问题,本文提出一种基于深度卷积生成对抗网络(DCGAN),扩充缺陷样本集后,再训练卷积神经网络(CNN)检测开口销缺陷的三级级联架构。该架构首先采用中心点法提取训练需要的相同规格开口销图像。然后通过改进的DCGAN生成模拟缺陷样本,并搭建轻量级CNN网络对生成的模拟缺陷样本进行筛选。最后将添加了模拟缺陷样本的扩充缺陷样本集与正样本集输入优化后的VGG16卷积神经网络中,以训练分类模型,检测开口销缺陷。实验结果表明,本文所提方法检测接触网定位管开口销缺陷的准确率高达99%。     

High-resolution water window X-ray imaging of in vivo cells and their products using LiF crystal detectors

High contrast imaging of in vivo Chlorella sorokiniana cells with submicron spatial resolution was obtained with a contact water window X-ray microscopy technique using a point-like, laser-plasma produced, water-window X-ray radiation source, and LiF crystals as detectors. This novel type of X-ray imaging detectors is based on photoluminescence of stable electronic point defects, characterized by high intrinsic resolution. The fluorescence images obtained on LiF crystals exposed in single-shot experiments demonstrate the high sensitivity and dynamic range of this new detector. The powerful performances of LiF crystals allowed us to detect the exudates of Chlorella cells in their living medium and their spatial distribution in situ, without any special sample preparation.     

High resolution gamma ray tomography scanner for flow measurement and non-destructive testing applications

We report on the development of a high resolution gamma ray tomography scanner that is operated with a Cs-137 isotopic source at 662 keV gamma photon energy and achieves a spatial image resolution of 0.2 line pairs/ mm at 10% modulation transfer function for noncollimated detectors. It is primarily intended for the scientific study of flow regimes and phase fraction distributions in fuel element assemblies, chemical reactors, pipelines, and hydrodynamic machines. Furthermore, it is applicable to nondestructive testing of larger radiologically dense objects. The radiation detector is based on advanced avalanche photodiode technology in conjunction with lutetium yttrium orthosilicate scintillation crystals. The detector arc comprises 320 single detector elements which are operated in pulse counting mode. For measurements at fixed vessels or plant components, we built a computed tomography scanner gantry that comprises rotational and translational stages, power supply via slip rings, and data communication to the measurement personal computer via wireless local area network.     

Application of a new detector for cathodoluminescence measurements in the wavelength range to 1.8 μm

The energetic gap structure of semiconductors or insulators can strongly be influenced by the local appearance of inhomogenities, impurities, dopants or vacancies. A high spatial resolution cathodoluminescence (CL) measuring technique makes it possible to investigate this gap structure via spectral analysis of the emitted CL. This can lead to a detailed knowledge of the local defect distribution. The wavelength range which could be detected by CL measurements has, up to the present, been limited to values less than 1 μm, because no detectors were available for higher wavelengths. By use of a new germanium detector, the measuring range could be extended to 1.8 μm. This makes it possible to analyse the CL properties, both of materials with small gap energies and of deep impurities. The detector properties which are important for CL measurements are presented. The efficiency of the detector is demonstrated by CL investigations of barium titanate ceramics and silicon. The results are discussed and compared to results obtained using conventional detectors.     

利用异形像元探测器的超分辨成像方法

随着光学成像全面进入光电数字成像时代,大多数成像系统的空间分辨率受限于探测器,所以提高探测器分辨率成为高分辨光电成像系统中的核心问题。而探测器的低分辨率主要是由于低采样频率和像元感光区的孔径效应而造成。最直接的解决方法就是减小像元尺寸,但会降低其他性能参数;针对最主要的限制因素——采样频率不足,目前多采用基于过采样原理的超分辨重建技术,通过提高探测器采样的频率来提高探测器的空间分辨率,但是其提升效果受到像元孔径效应的制约。为了进一步提高探测器受限的成像系统的空间分辨率,提出一种基于异形像元探测器的超分辨成像方法,将两列线阵异形像元探测器亚像元推扫实现像元细分,然后利用两列探测器所输出的灰度矩阵信息,重建出最终的高分辨图像。并分别通过理论评估和具体实验两方面验证该方法可以同时提高探测器的采样频率和截止频率,拓展带宽,从而实现高分辨率的目的。     

基于图像反卷积的平板探测器信号串扰校正

平板探测器是锥束CT的关键组成部件，像元间的信号串扰是造成平板探测器投影图像空间分辨率低于极限值的主要因素，校正平板探测器信号串扰对提高锥束CT检测精度具有重要意义。本文基于点扩散函数矩阵反卷积投影图像去串扰校正思路，研究了点扩散函数矩阵的准确性对投影图像串扰校正的影响、点扩散函数和线扩散函数的关系及其与X射线成像的相似性，提出一种结合刀口法测量线扩散函数与平行束CT扫描重建的平板探测器点扩散函数矩阵测算方法。DR/CT扫描成像实验中，应用本文方法校正信号串扰后，DR成像空间分辨率由约10 lp/mm提升至优于25 lp/mm,高能CT成像空间分辨率由不到4 lp/mm提升至优于5 lp/mm,实验证明，应用本文方法能有效校正平板探测器信号串扰，提升锥束CT图像的空间分辨率和对比度。     

利用异形像元探测器提高空间分辨率

为了解决光电系统成像中探测器分辨率低的问题,针对造成探测器分辨率低的两大主要因素-采样率不足及感光区域的低通滤波效应,提出一种基于异形像元探测器的超分辨成像方法.综合现有的超分辨重建技术和减少像元尺寸方法的优缺点,将现有的探测器矩形像元逐一"变形",去除同一位置1/4象限;利用该异形像元探测器阵列获取一序列相互错位1/2像元的欠采样图像;最后利用图像算法计算出这些图像的灰度矩阵信息,重建最终的高分辨图像.该方法可同时提高探测器的采样频率和截止频率,拓展带宽,从而实现高分辨率成像.为了验证该方法的有效性,在试验中选取填充因子100%的46 μm×46 μm中波红外探测器,利用焦距为6 000 mm、口径为600 mm的红外平行光管和焦距为50 mm的中波红外镜头成像,如果不采用任何技术,物方分辨率为11.04 mm;过采样技术可将分辨率提高1.60倍,物方分辨率为6.9 mm;而采用异形像元探测器超分辨成像方法,在试验中将每个像元都抠掉23 μm×23 μm后, 物方分辨率为3.1 mm.     

新型火焰图像检测器及其着火判据

锅炉火检系统是保障锅炉安全运行的重要检测设备。图像火检在80年代出现后由于其准确性和直观性，成为火检系统的新趋势。同时，由于所需分析检测的信号扩展为二维图像信号，带来了实时处理大数据量的困难。原来由工控机实现的方式和判据体系在可靠性、速度和准确性上都不能满足现场要求。本文将先进的DSP技术和基于火焰锋面动态检测的着火判据引入现有的数字图像火检系统后，明显改善了系统的报警速度和精度。     

Energy and Spatial Resolution of a Large-Volume Liquid-Scintillator Detector

The energy and spatial resolution of a large-volume liquid-scintillator detector has been investigated. The relations have been derived, which allow the energy and spatial resolution of the detector to be estimated without modeling. The calculations involve the light-collection functions of the detector obtained either by the Monte Carlo method or in the measurements taken with radiation sources. The relations are verified with the experimental data of the CTF (Counting Test Facility) detector, which is a prototype of the new Borexino detector for solar neutrinos. An event reconstruction technique using charge and time data from the photomultiplier tubes (PMTs) is analyzed with the help of these relations in order to improve the detector resolution. Algorithms for the energy and coordinate reconstruction of individual events are presented.     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。