基于深度学习的激光剪切散斑干涉无损检测缺陷识别

剪切散斑干涉技术通过测量物体表面变形来推断其内部缺陷,具有高灵敏度、检测范围广、精度高等优点,是一种极具潜力的复合材料无损检测技术。目前缺陷识别主要采用人工方式,而人工识别不但检测效率低且受到专业性限制。为了提高剪切散斑干涉无损检测方法中的缺陷识别精度和效率,本文提出基于深度学习剪切散斑干涉缺陷识别方法。利用高精度四步相移技术获取剪切散斑相位条纹高质量成像;引入了应用广泛的YOLOv5和Faster R-CNN目标检测算法,通过实验采集了大量的缺陷图像,分别用YOLOv5和Faster R-CNN两种算法获得训练模型。然后将这两种模型分别应用于剪切散斑干涉无损检测中的复合材料缺陷检测。最后,实验从检测速率和检测精度方面对模型识别效果进行了对比分析。实验结果表明,激光剪切散斑干涉技术结合深度学习的方法能有效地实现剪切散斑干涉无损检测的缺陷自动识别,Faster R-CNN和YOLOv5的检测速率分别能达到11 f/s和50 f/s,并且两种深度学习算法的平均精度均能达到92%以上,验证了提出方法的可行性。     

基于局部光栅补全的反光物体三维重建

针对结构光三维重建过程中,因表面强反光造成光栅形变而导致的相位误差、重建精度降低的问题,提出一种基于局部光栅补全的重建方法。首先对被测物体自身材料特性以及镜面反射角等引发三维重建点云模型缺失现象的反光因素进行分析。其次在相位展开前,引入局部光栅补全法,对反光区光栅丢失部分进行补全,以相移法加互补格雷码重建法为基础提高相位展开精度。最后,通过搭建单目结构光三维重建系统,对平面度误差在0.5 mm范围内的反光矩形铝合金板进行三维重建。实验表明,本文提出的改进方法可以有效补全因物体表面反光造成的重建缺失,其相位解码信息更加完备,重建率相较于传统方法提升了25%,平面度误差率降低了28.2%。     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

用于高能物理实验电子读出芯片的低噪声锁相环芯片设计

基于TSMC 180 nm工艺设计并流片测试了一款用于高能物理实验的电子读出系统的低噪声、低功耗锁相环芯片。该芯片主要由鉴频鉴相器、电荷泵、环路滤波器、压控振荡器和分频器等子模块组成,在锁相环电荷泵模块中,使用共源共栅电流镜结构精准镜像电流以减小电流失配和用运放钳位电压进一步减小相位噪声。测试结果表明,该锁相环芯片在1.8 V电源电压、输入50 MHz参考时钟条件下,可稳定输出200 MHz的差分时钟信号,时钟均方根抖动为2.26 ps(0.45 mUI),相位噪声在1 MHz频偏处为-105.83 dBc/Hz。芯片整体功耗实测为23.4 mW,锁相环核心功耗为2.02 mW。     

一种基于实例语义图的屏幕反窃照识别算法

目前防窃照技术手段主要依靠图像采集设备实时采集视频流,对拍照行为进行识别检测,但受复杂环境影响,现有识别方法存在精确度低、实时性差等问题。针对上述问题,提出了一种基于实例语义图的屏幕反窃照识别算法。该算法首先通过图像分割模型U²-Net提取原图像的显著视觉目标后生成实例语义图,然后通过微调单阶段的目标检测模型YOLO-v5实现对语义图中感兴趣对象的目标检测,最后通过设计的基于Inception-ResNet的拍照识别二分类模型实现对屏幕窃照行为的识别。实验结果表明,该算法在实际场景下的平均识别准确率达到95%以上。     

一种利用小波降噪的卫星导航信号并行捕获算法

针对全球定位系统（Global Positioning System,GPS）接收机传统捕获算法计算复杂度高、捕获灵敏度低等缺点,提出了一种可降噪的简化并行码相位捕获（Noise Reduction for Simplified Parallel Code Phase Acquisition,NR-SPCA）算法。该算法通过对信号降采样,利用小波变换对二次采样信号作降噪处理,提高了捕获灵敏度;利用GPS信号和C/A码互相关的稀疏性,并行计算降噪后的信号的相关值,提高了运算效率。仿真结果表明,在90%概率捕获成功的前提下,NR-SPCA算法比传统的PCA算法信噪比低1 dB,运算效率提升了100%。该算法还可应用于航天探测、自动驾驶等领域。     

基于Zadoff-Chu序列的频控阵稳健波束成形方法

不同于传统相控阵,频控阵（Frequency Diverse Array,FDA）在所有阵元间引入频率偏差,可以生成具有精准指向特性的点状辐射方向图,有效克服传统相控阵方位角相关性导致的接收方向射频信号安全性下降的问题。作为与传统相控阵的本质区别,FDA阵元频偏设置直接影响FDA辐射方向图的形状。为了生成理想的点状方向图,提出了一种Zadoff-Chu FDA（ZC-FDA）稳健波束成形方案,利用Zadoff-Chu序列调整阵元频偏,消除FDA辐射方向图周期性,抑制距离-方位角耦合性。与现有FDA系统相比,ZC-FDA方案在理想点状辐射方向图生成和波束旁瓣水平抑制方面具有明显优势。     

140 GHz回旋管高转换效率准光模式变换器设计研究（英文）

成功实现高转换效率的140 GHz TE22,6准光模式变换器原型设计。基于周期微扰原理设计Denisov辐射器,实现低边缘绕射的初级出射波束。针对三镜面光路系统,采用全矢物理光学积分作为主要计算手段,围绕主极化场分量进行三级相位修正面迭代优化,实现高出射高斯纯度的模式场转换,其中一级镜的修正有效改善了辐射器出射的不理想性。基于全矢数值仿真确认,相比原二次曲面原型设计,相位修正后的变换器系统的出射高斯纯度从92.7%提高到99.6%,结合98.8%以上的功率传递效率,实现了性能优越的高阶回旋管准光模式变换器原型设计。     

一种基于深度学习的高轨卫星CEI信号频率估计算法

针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。     

一起发电厂厂用电单相接地故障分析

通过一起发电厂低压厂用变压器高压侧电缆头放电击穿故障查找的案例,对发电厂低压厂用变压器高压侧的单相接地短路的故障电压电流做了简要分析,为相关故障的快速查找提供了方法。