传统光伏面板缺陷检测任务以人工目视方法为主，存在效率低、精度差、成本高等问题。提出基于深度学习的融合光伏面板可见光图像与红外图像的缺陷检测网络，即多源图像融合网络(Multi-source Fusion Network, MF-Net），实现光伏面板的缺陷检测。 MF-Net以 YOLOv3 tiny为主干结构，并针对光伏面板缺陷特征进行网络结构改进。其中包括：在特征提取模块中增加网络深度并融入密集块结构，使得 MF-Net能够融合更多高层语义信息的同时增强特征的选择；将双尺度检测增加为三尺度检测，以提高网络对不同尺寸缺陷的适用度。此外，提出自适应融合模块，使特征图融合过程中可以根据像素邻域信息自适应分配融合系数。实验结果表明，相比基于 YOLOv3 tiny的融合网络，改进后的融合检测网络 mAP提高 7.41%；自适应融合模块使 mAP进一步提升 2.14%，且自适应融合模块能够有效提高特征的显著性；在与单一图像（仅有可见光图像或红外图像）的检测网络及其他融合图像检测网络的对比实验中，所提出的网络 F1 score最高（F1＝0.86）。

线结构光三维测量技术通过逐行扫描工件，计算工件连续轮廓线三维坐标，最终拼接各轮廓线形成完整的三维形貌。为了研究扫描过程中图像连续帧之间的相似性关系，提出一种时间连续帧信息复用的条纹中心快速提取方法，进一步提升线激光光条中心线提取速度。首先，采用自适应光条分割重心提取算法对首帧激光条纹进行中心线坐标计算；然后，在时间连续帧中心线坐标信息的基础上，对当前帧光条图案进行快速光条粗定位；最后，对光条中心线进行亚像素精度计算。该方法根据时间连续帧图像的相似性，进行连续帧光条中心线坐标信息复用，减小重复计算，提高算法速度。实验结果表明，该方法可实现高达133 frame/s的中心线计算速度，大幅提高了结构光三维扫描速度，可应用于其他大型工件的三维重建。

散射成像是光学计算成像领域研究的前沿与热点。散斑自相关成像方法因其简单、快速、无损等特性而备受关注。散斑自相关成像的物理基础是光学记忆效应,数学基础是散斑自相关非相干成像模型,重建质量受散斑自相关的高质量提取与背景有效抑制的直接影响。光传输噪声、外界强背景干扰、探测噪声等的存在,会严重降低散斑自相关的对比度,使其精细结构淹没于背景及干扰噪声中,降低目标重建质量甚至无法实现成像。为增强散斑相关成像的适用性,提升强背景噪声干扰下的成像质量,提出一种背景扣除、双边滤波预处理结合多帧叠加平均的方法来提升目标重建质量,并进行了外场自然环境实验研究。实验结果表明,所提方法可对强背景干扰下的目标进行高质量重建。在此基础上,对于不同谱宽照明和不同距离处的目标,实验验证了方法的有效性,重建质量得到明显改善。研究对散射成像技术的非暗室应用及弱光成像相关应用有一定的借鉴意义。

针对现有室内可见光三维定位系统存在的计算复杂、精度低等缺点,提出了一种基于免疫算法的室内可见光高精度三维定位系统。免疫算法是受生物免疫系统的启示而设计出来的一种具有全局寻优能力的智能算法,可以用于解决全局优化问题,而基于可见光通信(VLC)的室内定位,可以将其转化为全局优化问题。因此,在三维室内定位中,可以通过免疫算法获得最佳的接收机坐标。由于系统噪声和系统中使用的设备不完善,接收器和发射器之间的距离偏离实际值,产生定位误差。通过将误差修正因子引入免疫算法,可以精确地确定接收机在三维空间中的坐标。仿真结果表明,在3 m×3 m×4 m的室内环境中,80次迭代的定位误差为0.69 cm。多点定位测试的平均定位误差为2.13 cm。运动场景定位的扩展实验也表明,所提方法96.04%的定位误差在1.7 cm以下,优于现有的三维可见光室内定位方法。因此,基于免疫算法的室内可见三维定位系统可以实现高精度的定位服务,在各种室内定位场景中具有潜在的应用价值。

利用基于条纹投影技术进行三维测量时，其相位提取精度直接决定着测量精度，而在实际测量中，由于待测物体存在一定反射率，因此相机拍摄到的结构光条纹在一些区域常会曝光过度，导致条纹相位产生高光误差，影响测量结果。本文分析了条纹投影技术中镜面反射光对相位提取精度的影响，提出了一种基于高动态范围图像（High Dynamic Range Image, HDRI）技术的高光误差补偿方法，可在不增加系统复杂度的前提下补偿高光误差，并针对金属工件表面三维形貌进行了测量实验验证，结果表明，在未消除高光误差时，测量高度整体向上平移 15 mm，且在高光区域存在额外 0～20 mm不等的测量误差，在使用 HDRI技术后有效补偿了高光区域的相位误差，提高了金属工件三维测量的准确度。

相位测量偏折术中的相位误差主要分为CCD相机的随机误差以及由结构光照明光源与CCD相机的非线性响应导致的非线性误差。从影响相位误差的根源分析,建立了条纹质量与相位误差、相机镜头光圈数、编码条纹的周期、调制度等因素的分析模型,并对该模型的可靠性与正确性进行仿真与实验验证。理论分析、仿真与实验结果表明:获取条纹的对比度与相机镜头光圈数、编码条纹的周期和调制度成正比,获取条纹的正弦性与相机镜头光圈数、编码条纹的周期及调制度成反比。根据该条纹质量分析模型优化系统参数,可以获得高质量的条纹。该条纹质量分析模型同样适用于面结构光三维测量等其他技术。

条纹反射技术中的多义性误差将直接影响测量结果的精度, 现有的多义性误差消除方法会大大增加系统复杂程度, 且只能补偿部分的误差。推导了条纹反射系统不含多义性误差的准确相位-梯度解析模型, 对该模型仿真分析得出: 当系统设置满足进入相机的光线与参考平面和显示屏都成90°夹角条件时, 系统多义性误差近乎为0的结论, 基于此, 提出一种基于同轴光路系统结构, 实验证明了所提出的同轴光路系统结构在物体表面高度从0增加至3 mm时多义性误差始终近乎为0, 普通系统结构的多义性误差随着物体表面高度从0增加到3 mm时, 多义性相位误差从0增加至15 rad, 实验证明使用提出的同轴系统可以大大抑制条纹反射技术中的多义性误差。

Identification of motor and sensory nerves is important in applications such as nerve injury repair. Conventional practice relies on time consuming staining methods for this purpose. Here, we use laser scanning infrared differential interference contrast (IR-DIC) microscopy for label-free observation of the two types of nerve. Ventral and dorsal nerve roots of adult beagle dogs were collected and sections of different thicknesses were imaged with an IR-DIC microscope. Different texture patterns of the IR-DIC images of the motor and sensory nerve can be distinguished when the section thickness increases to 40 μm. This suggests that nerve fibers in motor and sensory nerves have different distribution patterns. The result hints a potential new way for more rapid identification of nerve type in peripheral nerve repair surgery.

多个参考点光源间的信号相互干扰，使得室内可见光通信定位系统的精度不高。为此提出一种基于码分多址（CDMA）调制的可见光定位算法，利用扩频码的正交性，对每个发光二极管（LED）所发出的身份识别（ID）信息进行扩频处理，在克服了码间干扰的同时，提升了信道的容量。接收端由自适应滤波器分辨出解扩后的ID信息以及对应的信号强度，根据ID信息确定定位的位置区域，根据衰减强度确定定位点与各LED的距离，利用接收信号强度（RSS）三角定位算法实现接收机的定位，并采用分集接收技术来提高接收增益以提升定位的精度。仿真结果表明，该定位系统最大误差为6.18 cm，超过88%的定位点的测量精度被控制在5 cm以内。该系统不仅实现了较高精度的定位，而且易于控制、稳定性好，具有广阔的应用前景。