作者单位
摘要
1 中国民航大学天津市智能信号与图像处理重点实验室,天津 300300
2 中国民航大学工程技术训练中心,天津 300300
侧向激光雷达 信号处理 神经网络 图像去噪 side-scatter lidar signal processing neural network image denoising 
光电工程
2023, 50(6): 220341
作者单位
摘要
1 天津科技大学机械工程学院, 天津 300222
2 天津市轻工与食品工程机械装备集成设计与在线监控重点实验室, 天津 300222
利用纳秒脉冲激光诱导304不锈钢表面进行着色试验, 分析了纳秒激光诱导不锈钢表面着色的机理。首先, 通过激光器直接加工不锈钢样品表面, 研究了加工面积对着色均匀性的影响; 其次, 在标记中心处和偏离标记中心不同距离处进行小面积着色, 探究偏离标记中心距离对样本着色效果的影响; 最后, 利用激光器循环打标, 多轴数控平台往复运动进行着色效果改善试验。结果表明, 样品加工面积能够影响不锈钢表面着色的效果, 减小样品的加工面积可以使颜色更均匀; 随着偏离标记中心距离的增加, 样品表面的着色稳定性变差; 通过引入多轴数控平台辅助激光着色, 可有效提高不锈钢表面着色的稳定性, 降低色差值。
脉冲激光 不锈钢 表面着色 数控平台 pulsed laser stainless steel surface coloring CNC platform 
应用激光
2023, 43(2): 99
孙玲 1,*冯帅 1,2朱广宇 1,3
作者单位
摘要
1 国家自然科学基金委员会,北京 100085
2 中央民族大学,北京 100081
3 北京交通大学,北京 100091
为国内科技工作者了解 2021年度国家自然科学基金“光学和光电子学”领域基础研究队伍、主要研究方向及项目立项资助等情况,对本年度 F05申请代码下的面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目等项目类型进行了统计与分析,给出了自然科学基金各类项目申请中涉及面最广的面上项目和青年科学基金项目申请与资助的依托单位、申请代码分布,介绍了本领域按科学问题属性分类的评审试点和 RCC评审机制试点工作,最后展望了领域若干发展动向。
自然科学基金 光电子器件 光学 natural science foundation optoelectronic device optics 
光电工程
2021, 48(12): 210380
马润泽 1张晓明 1,2冯帅 1,2郑军 3[ ... ]李传波 1,2,*
作者单位
摘要
1 中央民族大学 理学院,北京 100081
2 中央民族大学 光电子研究中心,北京 100081
3 中国科学院半导体研究所,北京 100083
红外探测技术在激光测距、成像、遥感、夜视等领域有重要应用,降低红外光电探测器的尺寸、重量、功耗和成本,以及提高探测器的性能是目前的研究重点。本文综述了红外探测器技术的发展历程、工作原理及研究现状并对其未来发展方向进行了展望。内容主要涵盖基于碲镉汞、Ⅱ类超晶格、量子阱、量子点、硅基锗锡等材料的光子型红外光电探测器及其阵列。红外系统成本降低最终取决于在常温条件下耗尽电流限探测器阵列像素密度是否与系统光学元件的背景极限和衍射极限性能匹配,选择HgCdTe、Ⅱ类超晶格和胶体量子点等材料可提高光子探测器室温性能。各种红外探测器在性能方面各具特色,在实际应用中互为补充。
红外探测器 碲镉汞 量子阱 Ⅱ类超晶格 量子点 Infrared detector HgCdTe Quantum well Type Ⅱ superlattice Quantum dot 
光子学报
2021, 50(10): 1004006
作者单位
摘要
沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110161
纹枯病是水稻的主要病害之一, 其防治对于保证水稻产量、 质量具有重要意义, 以高光谱检测水稻病害得到了广泛应用, 并且高光谱降维是光谱分析的重要环节。 该研究在2019年沈农水稻试验基地获取水稻低空遥感冠层与地面冠层高光谱, 并对其进行以窗口宽度为15和阶数为3的Savitzky-Golay平滑处理和光谱变换(得到原始光谱、 一阶微分光谱和倒数之对数光谱), 分窗口对这3种光谱分别进行Gram-Schmidt变换, 找到投影空间并映射出主基底, 实现高光谱数据降维, 绘制具有显著性概率的主基底, 其极大极小值为特征波段。 此外3种光谱还采用了主成分分析和连续投影法降维。 以降维后的数据与水稻纹枯病病情指数进行支持向量机回归建模, 其中支持向量机回归进行粒子群优化, 并以径向基为核函数, 对比分析了3种降维方式的降维效果。 结果表明: 水稻地面冠层尺度建模效果高于低空遥感尺度建模; 在光谱处理方面, 低空冠层高光谱进行倒数之对数变换效果较好, 地面冠层所得高光谱数据进行一阶微分变换效果较好; 分窗Gram-Schmidt变换算法优于主成分分析和连续投影法; 粒子群算法可以优化支持向量机中的惩罚系数和核函数参数, 提高其反演精度; 无人机低空遥感尺度中, 高光谱进行倒数之对数处理, 以分窗Gram-Schmidt变换降维, 敏感波段为427.3, 539.6, 749.5和825.4 nm, PSO-SVR建模决定系数R2为0.731, 均方根误差RMSE为0.151; 地面冠层尺度中, 高光谱进行一阶微分处理, 以分窗Gram-Schmidt变换降维, 敏感波段为552, 607, 702和730 nm, PSO-SVR模型决定系数R2为0.778, 均方根误差RMSE为0.147。 因此, 高光谱技术可以有效地检测水稻纹枯病, 并且其病情指数可用冠层高光谱进行反演, 分窗Gram-Schmidt变换对于高光谱数据降维有较好的效果, PSO-SVR建模对于水稻纹枯病病情指数的反演有明显提高, 结果可为冠层尺度检测水稻纹枯病与病害发生情况提供一定的理论基础和技术支撑。
水稻纹枯病 病害检测 高光谱降维 Gram-Schmidt变换 粒子群优化 支持向量机回归 Rice sheath blight Disease detection Hyperspectral dimensionality reduction Gram-Schmidt transform Particle swarm optimization Support vector machine regression 
光谱学与光谱分析
2021, 41(7): 2181
作者单位
摘要
1 沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110866
2 辽宁省农业信息化工程技术研究中心, 辽宁 沈阳 110866
在水稻抗倒伏育种中, 水稻茎秆纤维素含量作为重要的作物性状表现型数据, 用传统方法获取时受人力成本和时间成本的约束, 采集群体大小有限。 利用高光谱技术能够实现对作物性状信息的快速、 无损检测。 为探究水稻茎秆纤维素含量近红外光谱反演模型, 以田间小区试验的方式, 采集水稻灌浆期至成熟期茎秆基部倒2、 3节作为实验样本, 并在实验室内使用NIRQuest512型号高光谱仪测得茎秆近红外反射光谱数据; 采用标准变量正态变换(SNV)、 连续小波变换(CWT)及两种方法结合(SNV-CWT)对原始近红外光谱进行预处理, 经对比分析, 原始光谱经SNV处理后再通过CWT对应6尺度分解最优, 然后采用联合区间偏最小二乘法(SiPLS)、 迭代保留信息变量法(IRIV)对最优预处理(SNV-CWT)的光谱特征曲线进行光谱特征变量筛选, 分别提取了64个和16个特征变量; 为优化模型并提高其模型精度, 采用IRIV算法对SiPLS所选的特征变量进行二次筛选, 得到6个特征变量, 特征波长为1 200, 1 207, 1 325, 1 470, 1 482和1 492 nm, 最后基于优选出的特征变量分别建立水稻茎秆纤维素含量的支持向量机回归(εSVR)和核极限学习机(KELM)预测模型, 模型参数(惩罚系数C, 核函数系数γ和不敏感参数ε)分别采用灰狼算法(GWO)、 差分进化灰狼算法(DEGWO)和自适应差分进化灰狼算法(SaDEGWO)进行优化选择。 结果表明, 采用SNV-CWT方法光谱预处理后, 经SiPLS-IRIV方法筛选的特征变量构建的SaDEGWO优化的SVR模型精度最高, 模型参数C, γ, ε分别为302.838 2, 0.087 7, 0.070 8, 测试集的决定性系数(R2p)为0.880, 均方根误差(RMSEP)为15.22 mg·g-1, 剩余预测残差(RPD)为2.91, 表明模型具有较好的预测能力, 可为水稻茎秆纤维素含量预测提供参考。
水稻茎秆 纤维素 近红外光谱 光谱预处理 光谱特征变量 反演模型 Rice stem Cellulose Near-infrared spectroscopy Spectral pretreatment Spectral characteristic variables Inversion model 
光谱学与光谱分析
2021, 41(6): 1775
冯帅 1曹英丽 1,2,*许童羽 1,2于丰华 1,2[ ... ]金彦 1
作者单位
摘要
1 沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110161
2 沈阳农业大学辽宁省农业信息化工程技术中心, 辽宁 沈阳 110161
为提供一种高效、 快速和无损的粳稻叶片氮素含量反演方法, 以粳稻小区试验为基础, 利用高光谱技术和室内化学实验, 获取粳稻分蘖期、 拔节期和抽穗期三个生育期共280组叶片高光谱数据以及相对应的水稻叶片氮素含量数据, 分析不同施氮水平的粳稻叶片光谱特征, 采用随机青蛙算法(random_frog)与迭代和保留信息变量算法(IRIV)相结合的方式筛选特征波段, 并将任意两个光谱波段随机组合构建差值植被指数DSI(Ri, Rj)、 比值植被指数RSI(Ri, Rj)和归一化植被指数NDSI(Ri, Rj), 分别将较优的特征波段组合和植被指数组合作为模型输入, 构建BP神经网络、 支持向量机(SVR)和非支配的精英策略遗传算法优化极限学习机(NSGA2-ELM)粳稻叶片氮素含量反演模型, 并对模型进行验证分析。 结果表明: 随着施氮水平的增加, 粳稻叶片近红外波段范围反射率逐渐升高, 在可见光波段范围反射率逐渐降低。 采用random_frog与IRIV相结合的方式筛选特征波段共得到8个特征波段, 其中可见光波段7个, 分别为414.2, 430.9, 439.6, 447.9, 682.7, 685.4和686.3 nm, 近红外波段仅有1个为999.1 nm, 该方法较好地剔除了干扰信息, 大大降低了波段间的共线性。 同时从三种植被指数(DSI(Ri, Rj), RSI(Ri, Rj), NDSI(Ri, Rj))与粳稻叶片氮素含量的决定系数等势图中可知, DSI(R648.1, R738.1), RSI(R532.8, R677.3)和NDSI(R654.8, R532.9)与叶片氮素含量相关性最好, R2分别为0.811 4, 0.829 7和0.816 9。 在输入参量不同的建模效果对比分析中, 以特征波段组合作为模型输入所构建的模型反演效果略优于植被指数组合, R2均大于0.7, RMSE均小于0.57。 而在反演模型间的对比分析中, 提出的NSGA2-ELM反演模型的估测效果要优于BP神经网络模型和SVR模型, 训练集决定系数R2为0.817 2, 均方根误差RMSE为0.355 5, 验证集R2为0.849 7, RMSE为0.301 1。 鉴于此, random_frog-IRIV筛选特征波段方法结合NSGA2-ELM建模方法在快速检测粳稻叶片氮素含量中具有显著优势, 可为粳稻田间精准施肥提供了参考。
高光谱数据 叶片氮素含量 特征波段 植被指数 反演模型 Hyperspectral data Leaf nitrogen content Characteristic band Vegetation index Inversion model 
光谱学与光谱分析
2020, 40(8): 2584
作者单位
摘要
1 中国民航大学工程技术训练中心, 天津 300300
2 中国民航大学天津市智能信号与图像处理重点实验室, 天津 300300
针对传统大气透射仪收发基线固定、采样空间有限、透过率模型适用性差等问题,设计了一种变基线大气能见度测量系统。该系统的激光发射单元固定,光学接收单元可移动,能在不同基线长度上获得大气透过率。通过测量多点大气透过率并进行最小二乘拟合,得到大气消光系数和大气能见度。在大气能见度分别为200,800,2000 m时,对本系统和传统大气透射仪进行了仿真实验。结果表明,本系统测量得到的大气消光系数均方根误差均低于传统大气透射仪,可以有效减小系统误差和随机误差对测量结果的影响。在大气模拟舱内开展的外场实验也验证了本系统的有效性和稳定性。
大气光学 大气能见度 大气透过率 变基线 最小二乘法 
激光与光电子学进展
2020, 57(21): 210102
作者单位
摘要
1 中国民航大学 天津市智能信号与图像处理重点实验室, 天津 300300
2 中国民航大学 工程技术训练中心, 天津 300300
针对PM2.5质量浓度在空间不同高度上的分布测量较难这一问题,采用激光雷达和大气透射仪以及粒径谱仪进行联合探测,反演PM2.5质量浓度廓线.考虑相对湿度等因素的影响,通过大气透射仪和粒径谱仪建立地面PM2.5质量浓度与大气透过率之间的函数关系.以大气透射仪所测地面大气透过率值为基准,修正激光雷达大气透过率在高空的边界值,结合Fernald后向积分法反演出大气透过率的垂直分布.依据建立的函数关系和大气透过率垂直分布,得到PM2.5质量浓度廓线,并采用HYSPLIT后向轨迹分析不同高度层气溶胶的输送和动态变化.通过激光雷达、大气透射仪和粒径谱仪的联合探测实验,结果表明:经大气透射仪修正后,大气透过率垂直分布精度得到了提高,PM2.5质量浓度廓线很好的反映了气溶胶垂直分布的微物理变化特征.
激光雷达 质量浓度 大气透过率 大气气溶胶 相对湿度 Lidar Mass density Atmospheric transmission Atmosphericaerosols Relative humidity 
光子学报
2020, 49(4): 0401001
冯帅 1许童羽 1,2于丰华 1,2陈春玲 1,2[ ... ]王念一 1
作者单位
摘要
1 沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110161
2 沈阳农业大学辽宁省农业信息化工程技术中心, 辽宁 沈阳 110161
为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型, 以水稻小区试验为基础, 获取了不同生长期水稻冠层高光谱数据。 在综合比较一阶导数变换(1-Der)、 标准正态变量变换(SNV)和SG滤波法等处理方法基础上, 提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF), 并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法(CARS)选出不同生长期的敏感波段。 将各生长期的敏感波段两两随机组合, 并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、 比值光谱植被指数(RSI)、 归一化光谱植被指数(NDSI)。 其中分蘖、 拔节和抽穗3个时期的最优植被指数和决定系数R2分别为: DSI(R857, R623), 0.704; DSI(R670, R578), 0.786; DSI(R995, R508), 0.754。 以各生长期内的较优的三种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、 径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。 结果表明: SaDE-ELM建模效果最好, 在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高, 各生长期反演模型的训练集和验证集决定系数R2均在0.810以上, RMSE均在0.400以下, 可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。
水稻 氮素 无人机 高光谱处理 植被指数 反演模型 Rice Nitrogen Unmanned aerial vehicle Hyperspectral processing Vegetation index Inversion model 
光谱学与光谱分析
2019, 39(10): 3281

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!