针对目前遥感图像检测精度低、召回率低、实时性差等问题, 提出基于GhostNet和 CoT多分支残差网络(MBRNet)的遥感飞机检测算法。借鉴YOLOv4网络模型, 采用MBRNet作为新的主干网络, 从而减少梯度消失问题并弥补了CNN欠缺的全局特征计算能力; 为了减少小目标丢失问题, 同时在主干与PANet中引入多方位的特征提取与融合思路, 实现在高、低特征层之间和同尺度特征层之间的信息充分互补。提出的算法在具有背景复杂、过度曝光、目标密集等场景的RSOD 和LEVIR数据集上准确率达到了97.64%, 召回率达到了89.11%。

针对基于深度学习的遥感目标检测算法参数冗余、计算量大且实时检测性能较差的问题, 提出了一种基于深度可分离卷积的实时遥感目标检测算法。首先通过K-means++算法对数据集进行锚框(Anchor)聚类分析, 使锚框参数更加符合遥感检测场景。为了降低模型参数量、提升检测速度, 以轻量级网络MobileNetv3作为主干网络进行特征提取; 此外, 基于深度可分离卷积的PANet(Path Aggregation Network)结构的设计, 使网络参数量进一步降低。改进后模型参数量仅为原来的18.3%, 检测速度提升2.19倍, 在UCAS_AOD, RSOD, DIOR这3个遥感数据集上进行测试, 实验结果表明, 算法鲁棒性强, 能够在保证模型检测精度的同时有效提高检测实时性。

针对在遥感飞机目标检测场景中轻量级算法难以兼顾准确性与实时性的问题, 提出了一种基于YOLOv4结构化剪枝的模型压缩方法。为了使锚框参数更加符合遥感数据集并发挥网络多尺度检测的优势, 采用K-means++算法对数据集进行锚框聚类分析, 并设计尺度自适应调整, 抑制小目标过多以及目标大小接近造成的锚框冗余。此外, 为了减少模型参数量, 利用归一化层中的缩放因子γ进行L1稀疏正则化, 重新评估滤波器及卷积核权重, 对特征信息较少的通道进行迭代剪枝, 然后微调剪枝模型恢复精度。实验结果表明, 剪枝后模型参数量压缩了93.1%, 检测速度比原模型提升2.46倍, 能够在保证检测准确性的同时有效提升检测实时性。

针对监控视频中的多尺度近岸舰船检测问题,提出了一种基于特征重聚焦网络的舰船目标检测算法,设计了由多维特征聚合模块(MFAM)与注意力特征重构模块(AFRM)组成的特征重聚焦策略。其中,MFAM基于输入的特征金字塔构建特征聚合块,进一步融合多尺度舰船不同层次特征的语义信息。AFRM基于多分支空洞卷积以及通道与空间注意力机制提升网络对目标非局部信息的表征和对背景干扰的抑制,并构建了用于目标检测的特征重聚焦金字塔。在Seaships7000舰船公开数据集上的实验结果表明,相比其他算法,本算法对监控视频中多尺度近岸舰船的检测效果更好。

提出以单缺陷双边带非线性载流子输运方程描述InP∶Fe中光折变动态光栅的写入过程,通过微扰法将非线性方程线性化,从而求得小调制干涉图样下空间电荷场的稳态解,并用耦合波方程建立空间电荷场与增益系数的关系。研究温度、泵浦光强、外加直流电场和入射角对增益系数的影响。结果表明,增益系数存在温度-光强共振,最佳泵浦光强强烈依赖于晶体工作温度;施加直流电场对增益系数有明显提升作用,在10 kV·cm ^-1范围内增益随外加直流电场增加而线性增加;并且,在温度-光强共振条件下存在最佳入射角。在室温为298 K和外加电场为5 kV·cm ^-1时,最佳泵浦光强为218 mW·cm ^-2,最佳入射角为5°。通过InP∶Fe双波混频实验研究泵浦光强、外加直流电场和入射角对增益系数的影响,实验结果表明,增益系数变化规律与理论预测一致,验证了单缺陷双边带模型的合理性,该研究为Ⅲ-Ⅴ族半导体光折变晶体的双波混频研究提供重要的参考价值。

GaN薄膜材料广泛应用于发光二极管(LED), 激光二极管(LD)等光电器件。 但是GaN基器件的制备与应用以及器件推广很大一部分取决于其器件的价格, 常用的方式是在单晶蓝宝石衬底上沉积制备GaN薄膜样品, 单晶蓝宝石衬底晶向择优, 可以制备出高质量的GaN薄膜样品, 但是单晶蓝宝石衬底价格昂贵, 一定程度上限制了其GaN基器件推广使用。 如何在廉价衬底上直接沉积高质量的GaN薄膜, 满足器件的要求成为研究热点。 石英玻璃价格廉价, 但是属于非晶体, 没有择优晶向取向, 很难制备出高质量薄膜样品。 本研究采用等离子体增强金属有机物化学气相沉积系统在非晶普通石英衬底上改变氮气反应源流量低温制备GaN薄膜材料。 制备之后采用反射高能电子衍射谱、 X射线衍射光谱、 室温透射光谱和光致光谱对制备的薄膜进行系统的测试分析。 其结果表明: 在氮气流量适当的沉积参数条件下, 所制备的薄膜具有高C轴的择优取向, 良好的结晶质量以及优异的光学性能。