研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。 选用七种常见的塑料作为实验样品, 获得每种样品的170组LIBS光谱数据, 利用主成分分析获得前五个主成分的得分矩阵。 用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集, 建立反向传播(BP)人工神经网络模型。 将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别, 其识别准确度达到97.5%。 实验结果表明, 通过采用主成分分析与BP人工神经网络相结合的方法, 可以很好地进行塑料激光诱导击穿光谱的分类识别, 对塑料的回收利用有重要价值。
激光诱导击穿光谱 塑料 主成分分析 BP人工神经网络 分类识别 Laser-induced breakdown spectroscopy (LIBS) Plastics Principal component analysis(PCA) Artificial neural network(BP) Material classification 光谱学与光谱分析
2012, 32(12): 3179
激光诱导击穿光谱(LIBS)技术是基于激光诱导等离子体发光探测物质成分的方法。激光诱导等离子体的发射谱线由两部分组成：一部分是电子-离子复合及自由电子相互作用辐射的宽带连续谱；另一部分是原子和离子发射的特征谱线。对这些谱线进行识别并测量其强度, 给出物质成分的定性和定量信息。分别讨论了样品所附着的基质为金属和电介质的两种情况, 并对ns和fs级激光脉宽的影响作了介绍。
激光诱导等离子体 光谱 探测 laser-induced plasma spectroscopy detection
在光子噪声受限条件下的图像中,其信号和噪声均服从泊松分布并呈现散粒状态,且由于该图像信噪比较低,目标难以被探测和识别,为此提出一种基于统计理论和广义似然比检验(GLRT)的目标探测方法来解决该条件下的目标探测问题。该方法在仅有目标物灰度图像已知的情况下,使用泊松分布概率函数和广义似然比检验方法得到统计判决公式,通过该公式计算原始图像中各个位置的检验器值,对光子图像进行目标探测。仿真和实验结果表明,该方法具有较好的目标探测性能,验证了算法的有效性和实用性。
图像处理 统计理论 广义似然比检验 目标探测 泊松分布
北京理工大学 信息科学技术学院，北京 100081
研究了半导体材料对激光的吸收机制。运用一维热传导方程以及载流子耦合扩散方程研究了激光与半导体材料相互作用的热输运、自由载流子输运过程。分析了半导体材料的热学损伤、力学损伤，以及光电探测器的击穿损伤机制。应用数值模拟的方法对Nd∶YAG脉冲激光(1．06μm)辐照下感兴趣的半导体材料PbS内部瞬时温度场分布进行了模拟。
相互作用 激光损伤效应 半导体 interaction laser-induced damage semiconductor
讨论了使用激光导星的非完全补偿自适应光学望远镜性能与导星亮度之间的关系,给出子孔径上剩余波前误差均方根值大于0.10λ,子孔径直径大于大气相关长度r_o时为产生瑞利导星和Na导星分别需要的激光能量.
自适应光学 非完全校正 激光导星
在回顾单层模型与多层模型的基础上,首次导出按适当准则分层的大气等晕角普适表达式,并将贝克先前的结果作为一种特例包括在内.
自适应光学 等晕 分层校正
