1 中国科学技术大学 天文与空间学院,安徽 合肥 230026
2 中国科学院 紫金山天文台,江苏 南京 210009
3 香港中文大学 物理系,中国香港 999077
零差混频系统(Homodyne mixing system)对太赫兹超导动态电感探测器(Kinetic inductance detectors,KIDs)性能表征具有重要的作用。然而,零差混频系统仍存在混频器不平衡性、测量系统集成、干扰信号等问题。作者设计新型的单通道零差混频硬件系统,结合软件算法实现了测量系统的集成化、IQ混频器不平衡性校准、KID的性能表征;同时实现了在VNA(vector network analyzer)CW模式下的KIDs噪声测量;以及基于自相关算法的双通道零差混频硬件电路设计,有效的抑制了干扰信号。值得注意的是,这些研究成果被应用于表征KIDs 性能,对KIDs阵列设计起到了重要的作用。
KIDs 零差混频系统 太赫兹 自相关算法 KIDs homodyne mixing system terahertz autocorrelation
1 昆明理工大学国土资源工程学院,云南 昆明 650093
2 中国科学院空天信息创新研究院数字地球重点实验室,北京 100094
针对激光同步定位与制图(SLAM)算法在扫描轨迹过长时,获得的点云容易出现漂移误差且精度变差的问题,提出一种基于图优化的激光SLAM点云整体配准方法。对于有一定漂移误差的激光SLAM点云,先后构建初始位姿图和迭代位姿图进行级联优化。首先基于分段点云相似性和形心距离,构建初始位姿图进行优化,以减小轨迹漂移误差,获得漂移误差较小的SLAM点云。然后基于分段点云重叠度构建迭代位姿图,依次进行点云迭代粗优化和精优化,获得更高精度的SLAM点云。使用一组手持和三组车载激光SLAM数据进行实验。优化后,4组实验数据的各自重复扫描点云很好地重叠在一起,匹配关键点之间的距离的均方根误差(RMSE)分别由优化前的2.667 m、10.348 m、19.018 m和3.412 m降为0.158 m、0.211 m、0.218 m和0.157 m。实验结果表明,所提算法可以有效解决激光SLAM点云长轨迹扫描的漂移误差问题,提升点云数据精度。
点云整体配准 同步定位与制图 图优化 K-means算法 激光与光电子学进展
2024, 61(10): 1015003
1 西安理工大学印刷包装与数字媒体学院,陕西 西安 710054
2 渭南日报社印刷厂,陕西 渭南 714099
针对印刷生产中传统人工缺陷检测耗时耗力、小缺陷区域不易检测,以及传统图像处理方法鲁棒性差等问题,提出一种基于改进YOLOv5l模型的印刷品缺陷检测算法。首先,通过增加浅层特征图拓展检测尺度,以捕获微小缺陷信息,从而提高网络对小目标的检测能力;然后,使用全维度动态卷积替换Neck区中的普通卷积,以增强网络对印刷缺陷上下文信息的捕获能力;最后,为解决前两项工作带来的检测速度下降的问题,采用C3Ghost替换Neck中的C3模块,在检测精度损耗极低的情况下尽可能地提高检测速度。实验结果表明:改进后的YOLOv5l算法的平均精度均值(mAP)达到97.3%,较原YOLOv5l算法和现有的印刷品缺陷检测算法Siamese-YOLOv4的精度分别提高2.9百分点和2.7百分点;检测速度为44.1 frame/s。所提算法对印刷品缺陷的分类和定位效果优于原YOLOv5l和Siamese-YOLOv4算法,具有较高的检测精度和检测速度,可以应用于印刷质检来提高生产质量管控水平、降低人工成本。
机器视觉 缺陷检测 YOLOv5算法 多尺度融合 动态卷积 激光与光电子学进展
2024, 61(10): 1012002
1 武汉科技大学 信息科学与工程学院,湖北 武汉 430080
2 武汉科技大学 冶金自动化与检测技术教育部工程研究中心,湖北 武汉 430080
针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。
SIFT算法 高斯金字塔 自适应阈值 特征描述符 图像匹配 SIFT algorithm Gaussian pyramid adaptive thresholds feature descriptor image matching
强激光与粒子束
2024, 36(4): 043002
1 江苏理工学院 机械工程学院,江苏常州2300
2 常州祥明智能动力股份有限公司,江苏常州13011
在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法(IGWO)的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法(GWO)、基于翻筋斗觅食策略的灰狼优化算法(DSF-GWO)、基于莱维飞行的樽海鞘群优化算法(LSSA)、改进北方苍鹰算法(INGO)的图像分割方法进行实验对比,结果表明:本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。
灰狼优化算法 多阈值分割 Kapur熵 QFN Grey Wolf Optimization(GWO) multi-threshold segmentation Kapur entropy Quad Flat No-lead package(QFN)