1 中国科学院上海技术物理研究所 红外物理国家重点实验室,上海 200083
2 上海科技大学 物质学院,上海 201210
3 上海节能镀膜玻璃工程技术研究中心,上海 200083
4 中国科学院大学,北京 100049
光谱偏振成像技术是一种新型的光学成像技术,它不仅提高了目标的信息获取量,还降低了背景噪声,可以捕获目标细节,检测伪装目标。本文提出了一种将亚波长光栅与F-P滤光片相结合的光谱偏振测量器件,该器件可以获得超高光谱分辨率和偏振消光比,并且光谱和偏振可以灵活调控。本文设计了一种光谱偏振同时分光器,可同时获得4个光谱通道的斯托克斯参数。仿真结果表明,其光谱分辨率为217,偏振消光比为。实验结果表明,亚波长光栅的偏振消光比大于500,透射率为90%。全介质F-P滤光片的光谱分辨率为30,在长波红外波段的透射率为60%。该设计方法具有通用性,可用于可见光、红外甚至太赫兹等波段。得益于这些优点,器件在微型偏振光谱仪和全斯托克斯偏振检测等领域有很大的应用潜力。
光谱偏振分光器 亚波长光栅 法布里-珀罗滤光片 光谱 偏振 spectro-polarimetric filter subwavelength grating F-P filter spectra polarization
1 江南大学机械工程学院,江苏 无锡 214122
2 江苏省食品先进制造装备技术重点实验室,江苏 无锡 214122
3 江南大学物联网工程学院,江苏 无锡 214122
针对苹果表层存在多种缺陷类型、对不同缺陷的检测方法不同的问题,提出一种基于改进YOLOv7-tiny的缺陷检测模型,结合相机采集的RGB+NIR多光谱图像对苹果表层多种缺陷进行了检测和分类。首先,为了提取更多有效的特征信息,提高对缺陷的定位能力,在主干网络中使用坐标注意力(CA)机制聚合坐标信息,同时在主干网络后添加上下文转换器(CoT)模块以增加全局感受野;其次,为了增强高效聚合网络的特征融合能力,将其与加权双向特征金字塔结合,调整结构中各分支的占比;最后,为了解决难易样本不均衡的问题,将损失函数更换为Focal-EIoU损失。改进后网络的平均精度均值(mAP)@0.5提升了1.2百分点,达到93.2%,识别速度为89.3 frame/s。研究结果表明,本文研究内容为苹果表层的缺陷检测提供了更加高效的方法,同时为苹果的分级提供了更加精确的依据。
缺陷检测 苹果表层 多光谱图像 深度学习 YOLOv7-tiny 注意力机制 激光与光电子学进展
2024, 61(10): 1012003
1 北京工业大学信息学部计算智能与智能系统北京市重点实验室,北京 100124
2 先进信息网络北京实验室,北京 100876
近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用起着重要的作用。然而,近红外光谱断层成像系统的空间分辨率低,限制了其在乳腺成像中的应用。将连续波模式与频域或时域测量模式相结合,并融合临床用的数字乳腺断层摄影、超声或核磁共振成像等技术有助于解决上述问题。先对近红外光谱断层成像系统的测量模式、多模态系统和多模态融合技术进行梳理、对比,然后介绍了该技术在乳腺成像中的最新应用,进一步讨论了乳腺近红外光谱断层成像系统未来的发展方向。
成像系统 生物光学 近红外光谱断层成像 乳腺成像 多模态
福建师范大学光电与信息工程学院医学光电科学与技术教育部重点实验室,福建 福州 350007
近几年新型冠状病毒COVID-19的迅速传播,引起了全球对传染病防控和快速病毒检测技术的高度关注。表面增强拉曼光谱(SERS)作为一种光学分析技术,凭借其独特的分子指纹特性和高检测灵敏度的特点,成为生物医学检测领域的有力工具,对可能大规模暴发的流行性病毒灵敏迅速的检测以及监控提供新颖、高效的光学解决方案。本文对从2021年以来开展的DNA、RNA病毒,尤其是威胁人类生命健康的流行性病毒检测工作当中使用的标记、非标记SERS技术进行梳理,从SERS基底结构建构及功能化修饰,分子探针的设计,高速响应、高灵敏度检测模型构建,生物技术、机器学习方法的联合使用等方面,特别是基于便携式、手持式拉曼光谱仪的研究,对SERS技术在病毒检测领域的应用进展进行了总结和展望。
医用光学 表面增强拉曼光谱 病毒检测 生物传感器 纳米光子学 纳米医学
1 西安建筑科技大学 信息与控制工程学院,陕西 西安 710055
2 陕西省文物保护研究院,陕西 西安 710075
3 陕西省考古研究院,陕西 西安 710054
使用现有边缘检测方法提取古代壁画的线稿,存在噪声干扰大且丢失信息较多的问题。本文提出一种融合像素差卷积的壁画最优波段线稿提取方法,利用最小噪声分离方法将壁画多光谱数据的有效信息和噪声分离,选择最优主成分波段进行线稿的提取。针对传统卷积提取图像梯度信息的问题,引入像素差卷积提高边缘检测的图像梯度信息。在侧输出网络加入尺度增强模块(SEM)丰富多尺度特征,同时针对像素级别不平衡引起的像素错误分类问题,设计了基于图像相似度的Dice损失函数策略,逐级最小化像素距离获得清晰图像边缘,并利用壁画数据集先验知识微调模型解决数据集不足的问题。实验结果表明,本文方法可以在壁画褪色和噪声较多的场景下提取出较为清晰的线稿,线稿图像的SSIM和RMSE均优于其他算法,分别提高了2%~10%和2%~4%;在公开数据集BIPED上对模型进行验证,所提方法的ODS和OIS较PiDiNet分别提高0.005和0.007。该方法对褪色及具有病害的壁画可以提取出清晰完整的线稿图像。
线稿提取 光谱成像 像素差卷积 像素级平衡 壁画 sketch extraction spectral imaging pixel difference convolution pixel-level balancing mural