针对钢材表面缺陷尺度不一，现有检测算法多尺度特征处理能力较差、精度有待提高的问题，提出了一种面向钢材表面缺陷检测的改进型YOLOv5算法。首先，在骨干网络的特征输出层后添加感受野模块以增强特征的判别性与鲁棒性，可以更好地感知不同尺度的特征信息；然后，利用对齐的特征聚合模块替换传统的特征融合结构，解决了高低分辨率特征图在融合过程中存在的特征错位问题；最后，采用带有高效通道注意力机制的解耦头输出检测结果，注意力机制可以自适应地校准通道响应，解耦头使得分类与回归任务可以独立执行。在NEU-DET数据集上的实验结果显示，所提出方法的平均精度均值为80.51%，相比基准模型提升了4.48%，检测速度为31.96 frame/s。相比其他主流的目标检测算法，在保持一定检测速度的前提下，所提算法具有更高的精度，能够实现高效的钢材表面缺陷检测。

针对传统图像处理算法在检测隐形眼镜表面缺陷时存在精度低、耗时长、算法鲁棒性差、漏检多等问题，提出一种基于改进Faster R-CNN的隐形眼镜表面缺陷检测算法。首先，对比了3种特征提取网络的性能，选取ResNet50作为骨干网络；然后，引入特征金字塔网络（FPN），通过融合多层次的特征信息，提高Faster R-CNN的多尺度检测能力；最后，基于构建的隐形眼镜表面缺陷数据集，使用K-means++算法改进锚框的尺度和数量。实验结果表明：改进后的Faster R-CNN算法在测试集上的平均精度均值（mAP）达到了86.95%，相比于改进前的Faster R-CNN算法，提高了9.45个百分点，可以有效地检测出气泡、车削亮点、划痕、模具亮点等多种隐形眼镜典型缺陷。

针对目前航空发动机表面人工缺陷检测效率低的问题，提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先，在网络中融合数据增强策略搜索算法，自动为当前数据集搜索最佳的数据增强策略，实现训练效果的提升；其次，在backbone网络中引入坐标注意力机制，在通道注意力的基础上嵌入坐标信息，提高对小缺陷目标的检测能力；最后，将YOLOv5的定位损失函数改进为efficient intersection over union损失，在加快模型收敛的同时提高预测框回归精度。实验结果表明，所提YOLOv5-CE模型，相比原YOLOv5s网络，在检测速度几乎没有下降的情况下平均精度均值提高了1.2个百分点，达到了98.5%，能够高效智能检测航空发动机4种常见类型缺陷。

针对金属工件表面缺陷分割精度低的问题，通过对工件表面图像缺陷特征研究，提出以U-net为基础，结合多尺度自适应形态特征提取模块及瓶颈注意力模块的工件表面缺陷分割模型。首先，在网络中嵌入多特征注意力有效聚合模块，提高信息的利用率，提取更多相关特征，从而高精度地提取缺陷目标。然后，在网络中引入瓶颈注意力模块，增加缺陷目标的权重，优化特征的提取，获取更多的特征信息，从而获得更好的分割精度。改进后的网络平均精度达到0.8749，比原网络相比提高了2.92%，平均交并比达到0.8625，提高了3.72%。与原始网络相比，改进后的网络具有更好分割的精度，可以获得更好的分割结果。

本文通过添加InGaN垫层, 利用金属有机物化学气相沉积(MOCVD)方法在GaN(0001)上外延生长了InN薄膜, 研究了InN薄膜的外延规律及光学性质。研究发现, 相对于GaN表面, 在InGaN垫层上可以获得更高质量的InN。通过在InGaN垫层中采用适当的In组分(在本工作中为In0.23Ga0.77N), 可以完全抑制InN生长过程中铟滴的形成, 获得的InN表面形貌连续平整。采用光学显微镜、高分辨率X射线衍射(HR-XRD)、透射电子显微镜(TEM)、光吸收和室温光致发光等方法研究了InN的晶体结构和光学性质。HR-XRD的ω和ω-2θ扫描显示, InGaN垫层消除了In滴的衍射信号, 并且ω扫描给出了150 nm的InN薄膜的(0002)半峰全宽为0.23°。TEM选区电子衍射发现, InN几乎是无应变的。室温下InN薄膜的光吸收和强光致发光结果表明, 所制备的InN薄膜能带隙约为0.74 eV。本文还初步研究了InN的异常激发依赖性的光致发光行为, 证明了InN材料的表面效应对辐射复合的强烈作用。

遮挡图像重建是无监督异常检测的主要方法之一, 通过生成式模型对遮挡后的图像重建, 根据重建差异来估计图像区域的异常分数, 高异常分数区域即为缺陷区域。然而, 现有方法仅采用若干个尺度相互独立的遮挡策略, 使得模型缺乏对非规则遮挡图像的重建能力; 在重建过程中图像缺失部分与完整部分的全局依赖性未被充分考虑。针对上述问题, 提出多尺度网格的遮挡策略, 并采用自注意力机制增强自编码器重建过程中对全局依赖性的刻画。实验结果验证了所提方法的有效性, 与其他方法相比获得了更优的表面缺陷检测性能。

针对传统方式检测钢板表面缺陷存在检测精度低、检测速度慢的问题，提出一种改进YOLOv5s算法。首先，使用基于交并比（IoU）度量距离的K-means算法对钢铁数据集进行重新聚类，获得多组锚框，通过遗传算法对其进行变异运算，得到与全体标注框更匹配的多组锚框；其次，在Mosaic数据增强上融合MixUp，抑制过拟合，提升模型的泛化能力；然后，对网络结构进行改进，融入注意力模块，进一步提高了网络的特征提取能力；最后，针对难识别样本，在损失函数中融入Focal loss，提高网络的收敛速度与检测精度。实验结果表明，改进后的YOLOv5s算法在测试集上的平均精度均值（mAP）可达78.4%，比原始的YOLOv5s算法提高了3.0个百分点，速度上与原始YOLOv5s基本持平。所提算法在保持高检测速度的基础上，检测性能也优于DDN、Faster R-CNN和YOLOv3。

对碲镉汞p-on-n双层异质结材料的表面缺陷进行了研究。材料表面缺陷会对后续器件的性能产生影响。利用光学显微镜观察外延完的材料表面，发现表面不规则块状缺陷和表面孔洞缺陷较为常见。使用共聚焦显微镜、扫描电子显微镜、能谱分析等测试手段分析发现，缺陷的形成原因是p型层生长过程中镉耗尽以及n型层生长过程中产生缺陷的延伸。

采用磁控溅射法在ITO玻璃上制备了CdZnTe薄膜, 探究机械磨抛对CdZnTe薄膜阻变特性的影响。通过对XRD图谱、Raman光谱、AFM显微照片等实验结果分析阐明了机械磨抛影响CdZnTe薄膜阻变特性的物理机制。研究结果表明, 磁控溅射制备的薄膜为闪锌矿结构, F43m空间群。机械磨抛提高了CdZnTe薄膜的结晶质量; CdZnTe薄膜粗糙度(Ra)由磨抛前的3.42 nm下降至磨抛后的1.73 nm; 磨抛后CdZnTe薄膜透过率和162 cm-1处的类CdTe声子峰振动峰增强; CdZnTe薄膜的阻变开关比由磨抛前的1.2增加到磨抛后的4.9。机械磨抛提高CdZnTe薄膜质量及阻变特性的原因可能是CdZnTe薄膜在磨抛过程中发生了再结晶。