基于有源谐振腔的喇曼气体分析系统设计

为了检测、分析混合气体,根据混合气体中不同气体成分在喇曼频谱中各自的吸收谱峰,采用激光谐振腔增强光谱法原理和喇曼散射光谱技术,利用有源激光谐振腔和雪崩光电二极管,设计了针对于混合气体成分进行在线分析的实验系统。结果表明,对混合气体进行实时在线检测,可以有效检测出包含体积分数分别为0.502,0.498的N₂和O₂的混合气体。该系统操作便捷、安全可靠,可以实现混合气体的成分分析。     

LD31板料激光斜冲击成形后表面残余应力的实验研究

在曲面板料激光冲击成形时,很难满足每次都能法向垂直冲击,因此非常有必要进行激光斜冲击板料研究。文章采用钕玻璃激光器、脉冲能量约42J、脉冲宽度约23ns、脉冲功率≥1.2×109W、激光以30°斜冲击LD 31(6063)方形板料,冲击后板料最大变形点偏离试样中心3mm。采用X-350A型X射线应力测定仪、侧倾固定Ψ法和交相关法定峰,分别测量了板料沿激光冲击方向、板料空间分布的残余压应力,得出试样正反两面均是压应力,均小于100MPa,由于变形最大点与方形板料顶点连线长度大于垂直于边长方向,且经过变形最大点直线长度,其在厚度方向产生压应力2σ比较大,产生相同变形所需的力较大,所以产生的残余压应力也较大。在变形最大点与板料顶点最短连线之间的板料受到挤压,板料变厚,硬化严重,产生残余应力最大。     

印刷图像二值化变换教学中的仿真实验方法

印刷图像二值化变换是所有输出设备记录和表现原图像颜色和层次变化的必须步骤,也是印刷专业学生学习数字加网技术的基础.目前印刷图像二值化变换教学中,对几种二值化变换方法理论讲授较多,实验和实践环节安排较少,学生学习时不能理论联系实际,理解起来有一定困难.同时印刷图像二值化变换方法较多,教师在讲授时由于学时的限制不能详细讲解每种变换方法的优缺点,安排的实验只是验证性试验,因此学生不能很好的理解半色调工艺.为了使学生更好地理解印刷图像二值化变换的过程和掌握半色调工艺的本质,我们在理论课教学的同时设置了实验环节,要求学生在计算机上用仿真软件MATLAB对三种典型二值化变换方法进行实验,比较三种方法的优缺点.通过实验获取结果的比较,掌握三种典型二值化变换方法,理论联系实际,更好的理解半色调工艺的必要性和本质.     

激光跟踪中目标卫星表面BRDF对回波信号的影响

通过双向反射分布函数(BRDF)公式,模拟了空间激光主动照明跟踪中,相同材料、不同粗糙度下卫星表面的BRDF,得出了随着卫星表面材料粗糙度的增加,镜面反射分量越小,漫反射分量越大,双向反射分布散射角越宽,接收到的回波信号对方向的敏感性减小。同时模拟了入射角度对卫星表面BRDF的影响,得出了照明光束小角度入射、接收信号方向与照明光束方向一致时,镜面反射分量的增加增强了反馈信号,当大角度入射时,反馈信号急剧减小。当入射角大于34°时,通过卫星表面BRDF计算得到的最小接收功率,比之前把卫星目标看成朗伯体,通过激光雷达公式计算得到的最小接收功率小。得出了增加照明光束的发射功率为原来的5倍,或者增大接收口径为原来的2.5倍,可以消除大入射角度带来的接收功率的减小,使得系统有4倍的功率余量。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

激光热应力切割玻璃实验与分析

CO２激光器平均输出功率为１００W时,通过聚焦光路在玻璃表面形成圆型的聚焦点。玻璃强烈地吸 收１０畅６μm的激光,激光能量被玻璃表面１５μm厚的吸收层吸收,形成局部的应力纹样分布（设定的切割线）。 介绍了淬火气嘴将冷空气吹到玻璃表面对受热区域进行快速淬火;１００W的激光能量照射玻璃表面,产生高于玻 璃软化的温度;吹气冷却形成应力集中的热应力层,使玻璃从切开的断口沿切割线断开,断口光洁。实验证明, 激光热应力切割玻璃的最佳速度是４００mm桙s。     

基于哈夫曼编码的关联成像算法的图像传输机理研究

目的在图像传输过程中存在信道噪声干扰、频谱资源紧张和误码率较高等问题,限制了图像传输质量和效率,降低了信道的可靠性,研究能够在降低图像传输信息量的同时提高传输图像的分辨率,进而提高信道的可靠性和安全性。方法通过在最有效地利用哈夫曼编码信道传输能力的前提下,尽可能多地降低信息传输中的误码率,综合信道编码的冗余信息和关联成像传输信道信息。结果提高了传输信号的可靠性,保证了数据的传输质量,实现了稳定快速通信。结论该研究基于信道编码关联成像的图像传输机理,充分利用了哈夫曼编码的无损耗数据压缩特性,在降低图像传输信息量的同时提高了传输图像的分辨率,进而提高了信道的可靠性和安全性。     

基于GRNN-PNN神经网络的印铁缺陷分类方法

目的针对在印铁过程中缺陷检测系统存在不同缺陷类型检测精度不高,对于产品整体质量无法实现智能判断的问题,基于GRNN-PNN神经网络,提出一种适用于印铁在线检测的分类算法。方法对平面印刷铁片进行小波变换提取低频信息,在低频信息中进行缺陷定位并对缺陷区域进行标记和分割。通过缺陷面积、周长等评价指数和缺陷形状构建GRNN神经网络,对缺陷进行分类。通过构建PNN神经网络智能化判别整体产品是否属于合格产品。结果 GRNN-PNN平均耗时0.69s,达到了厂方对于缺陷在线检测的响应时间要求。GRNN-PNN多分类的准确率为86%,能够对印铁过程中产生的主要缺陷进行分类。二分类的灵敏度为96%,可以准确地判断产品整体的合格性。在5%的椒盐噪声干扰下,准确率为63%,具有良好的鲁棒性。结论该设计能够对印铁缺陷进行精确的分类和智能的判断,GRNN-PNN神经网络可以在印铁过程中进一步提高检测精度,GRNN-PNN神经网络可帮助质检员及时判断生产质量。     

基于深度学习的易拉罐缺陷检测技术

目的 现有的易拉罐缺陷检测系统在高速生产线中存在错检率和漏检率高,检测精度相对较低等问题,为了提高易拉罐缺陷识别的准确性,使易拉罐生产线实现进一步自动化、智能化,基于深度学习技术和迁移学习技术,提出一种适用于易拉罐制造的在线检测的算法。方法 利用深度卷积网络提取易拉罐缺陷特征,通过优化卷积核,减短易拉罐缺陷检测的时间。针对国内外数据集缺乏食品包装制造的缺陷图像,构建易拉罐缺陷数据集,结合预训练网络,通过调整VGG16提升对易拉罐缺陷的识别准确率。结果 对易拉罐数据集在卷积神经网络、迁移学习和调整后的预训练网络进行了易拉罐缺陷检测的性能对比,验证了基于深度学习的易拉罐缺陷检测技术在学习率为0.0005,训练10个迭代后可达到较好的识别效果,最终二分类缺陷识别率为99.7%,算法耗时119 ms。结论 相较于现有的易拉罐检测算法,文中提出的基于深度学习的易拉罐检测算法的识别性能更优,智能化程度更高。同时,该研究有助于制罐企业利用深度学习等AI技术促进智能化生产,减少人力成本,符合国家制造业产业升级的策略,具有一定的实际意义。     

基于聚类分析的光谱重建样本分析

目的 解决目前光谱重建中因数量大而出现的冗余和繁重等问题,证明聚类算法可以很好地应用在光谱选择样本分析中,并可以实现较高的重构色度精度和物理精度。方法 采用主成分分析法进行仿真实验,首先探究主成分个数,再确定聚类个数,然后比较聚类方法和3种常用的样本选择方法,最后分析比较光源种类对重构结果的影响。结果 通过实验确定主成分个数为6且聚类个数为20时,在A光源下使用KFCM算法的重构效果最好,此时平均色差为0.35ΔE00,平均RMSE为0.0078,平均GFC为99.94%。结论 聚类方法可以应用于光谱成像过程中训练样本选择过程,且有助于提高光谱重构的运算速度和精度。