为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法。首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数。实验部分先用公开数据集Stanford Cars进行预训练,再用自建的道口车辆数据集进行迁移学习。结果表明,改进模型在两个数据集中的准确率均优于几种经典的深度学习模型。

为了改善内腔连续光参量振荡器(IC-OPO)输出功率不稳定, 弛豫振荡严重等问题, 对IC-OPO进行了改进: (1) 采用热透镜补偿设计, 改善模式匹配; (2) 使用光阑限模, 抑制高阶模振荡; (3) 在腔内加入KTP晶体, 利用二次谐波产生(SHG)过程的非线性损耗抑制弛豫振荡。通过改进, 获得了稳定的紧凑型2.2～4.2 μm的可调谐连续波中红外光源。输出功率波动标准偏差(RMS) 0.52%, 峰值波动范围1.8%, 光束质量因子M2=1.72, 弛豫振荡得到有效抑制。当腔内不加入KTP晶体时, 阈值(808 nm)仅为1.5 W。据笔者所知, 该阈值为国内相关工作报道中的最低值。