1 华北理工大学电气工程学院,河北 唐山 063210
2 唐山市金属构件产线智能化技术创新中心,河北 唐山 063210
3 唐山市半导体集成电路重点实验室,河北 唐山 063210
傅里叶叠层成像(FPM)受硬件和算法等因素的限制,成像的整体性能有待提高。为解决传统FPM技术成像速度慢、成像质量低的问题,融入深度学习的FPM图像重建方法得到广泛关注。基于此,提出一种基于超分辨率对抗生成网络的FPM模型,在原有网络基础上通过增加密集块连接实现全局特征融合并且使用一种加权损失函数提高图像重建质量。分辨率板图像重构结果表明,所提深度学习方法较传统方法重建效果显著、重建速度更快。
显微 计算成像 傅里叶叠层显微成像 对抗生成网络 超分辨率重建 深度学习 激光与光电子学进展
2023, 60(20): 2018001
华北理工大学电气工程学院,河北 唐山 063210
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。
表面光学 表面缺陷 图像分割 U-net网络 多特征注意力有效聚合模块 瓶颈注意力模块 激光与光电子学进展
2023, 60(15): 1524001
1 华北理工大学电气工程学院,河北 唐山 063210
2 唐山市金属构件产线智能化技术创新中心,河北 唐山 063210
3 唐山市半导体集成电路重点实验室,河北 唐山 063210
为了进一步提高重构算法的抗干扰能力和鲁棒性,提出了一种基于梯度下降法和牛顿法的全局法,并在此基础上,又提出了基于最优化理论的二分法与牛顿法两类变步长更新策略,使得迭代过程能够自主地选择最佳更新步长。为了充分利用顺序法和全局法各自的优势,制定终止判断准则使二者相结合。仿真和实验数据验证了所提算法的抗干扰能力优于各顺序法的结论,尤其当成像器件的噪声较大时,提出利用暗场图像信息来计算各阶梯度值的方法以减小噪声的影响。并且,上述方法只需要额外的3~5轮迭代过程即可得到满意的结果,时间仅增加了几秒钟。
成像系统 计算成像 傅里叶叠层显微 全局变步长 抗噪性能 激光与光电子学进展
2023, 60(14): 1411001
华北理工大学 电气工程学院,河北 唐山 063200
针对传统机器视觉检测识别方法受到装配零件之间相互遮挡、零件不同位姿、外部光照强度、小目标漏检影响,检测准确率不高的问题,提出了一种改进的Faster RCNN(region-based convolutional neural networks)零件识别方法。首先使用提取特征更好的ResNet101网络代替原始Faster RCNN模型中的VGG16特征提取网络;其次针对原始候选区域网络,增加2个新的锚点并重新设置候选框的纵横比,以得到15种尺寸不同的锚点;然后针对传统非极大值抑制(non-maximum suppression,NMS)方法因删除交并比大于阈值的候选框而出现漏检问题,使用Soft-NMS方法替换传统的NMS方法,从而减少密集区域漏检的情况;最后在训练模型阶段采用多尺度训练策略,降低漏检率,提高模型准确率。对零件的识别实验结果表明:改进后的Faster RCNN模型能够达到96.1%的精度,较原始模型提升了4.6%,可以满足光照较强、存在水渍干扰等较为复杂环境中零件的识别检测。
零件识别 Faster RCNN ResNet101 候选区域 parts identification Faster recurrent convolutional neural network ResNet101 candidate region
华北理工大学电气工程学院, 河北 唐山 063200
为提高十字结构光传感器的标定精度, 提出一种十字结构光标定方法。利用提取光条中心直线的两步算法, 对成像光条进行直线特征提取并拟合出像素坐标系下的直线方程; 通过坐标转换, 得到相机坐标系下的图像直线方程, 再联合相机原点求出平面方程; 由此平面方程联立相机坐标系下的二维靶标平面方程解出相机坐标系下的激光直线方程; 改变靶标姿态, 得到多组相交光条直线信息并用随机抽样一致性原理拟合出十字激光平面。最后对环规标件进行三维重建并进行误差分析, 试验测得环规内半径误差均值为0.155 8 mm。此方法充分利用了直线特征上的点信息, 解决了以往拟合光平面算法特征点少的问题, 增强了算法的鲁棒性, 具有一定的实用性。
十字结构光 传感器标定 平面拟合 三维重建 cross structured light sensor calibration plane fitting three-dimensional reconstruction
华北理工大学电气工程学院, 河北 唐山 063200
针对单个线结构光传感器在涂胶检测中存在检测盲区的问题, 提出一种利用三个线结构光传感器组合测量的方法对胶体进行三维测量, 三个线结构光环绕胶枪形成一个闭合的三角形光刀, 垂直投射到待涂工件表面进行实时在线检测, 采用张正友标定法进行相机标定, 利用最小二乘平面拟合法完成光平面的标定, 通过测量标准块来分析三个线结构光传感器的测量精度, 测量结果表明传感器测量误差均小于0.15 mm,符合测量要求。然后设计试验, 对胶体进行三维测量并对测量精度的影响因素进行分析, 获取胶体轮廓的三维点云数据并进行三维重建, 得到胶体截面三维轮廓图, 最后提取胶体的宽度和高度两个参数并与人工检测的结果进行对比。试验表明采用该方法对胶体进行几何参数的三维测量是可行的。
视觉测量 多线结构光传感器 三维重建 胶体几何参数 vision measurement multi-line structured light sensor three-dimensional reconstruction colloidal geometric parameters
1 贵州大学大数据与信息工程学院, 贵阳 550025
2 教育部半导体功率器件可靠性工程中心,贵阳 550025
3 贵州省微纳电子与软件技术重点实验室, 贵阳 550025
4 贵州财经大学信息学院, 贵阳 550025
采用液滴外延法在GaAs(001)衬底上同时沉积In、Al液滴形成纳米结构, 利用原子力显微镜(AFM)对实验样品进行形貌表征, 并通过X射线光电子能谱(XPS)与扫描电子显微镜分析In、Al组分比样品表面元素分布。实验结果显示, 混合沉积后的表面InAlAs纳米结构密度随着In组分的降低而降低, 而单个纳米结构的尺寸变大。SEM与XPS测试结果证明表面的In并没有因为衬底温度过高而全部偏析。根据实验结果推测, In&Al液滴同时沉积到表面形成InAl混合液滴。当液滴完全晶化后纳米结构中心出现孔洞, 而产生这一现象的主要原因是液滴向下刻蚀。
In&Al混合液滴 液滴外延 表面扩散 分子束外延 纳米结构 indium & aluminum droplet GaAs GaAs droplet epitaxy surface diffusion MBE nanostructure
黄泽琛 1,2,3,*蒋冲 1,2,3李耳士 1,2,3李家伟 1,2,3[ ... ]丁召 1,2,3
1 贵州大学大数据与信息工程学院,贵阳 550025
2 贵州大学微纳电子与软件技术重点实验室,贵阳 550025
3 半导体功率器件可靠性教育部工程研究中心,贵阳 550025
4 贵州财经大学信息学院,贵阳 550025
采用液滴外延法在GaAs(001)衬底上生长In液滴,利用原子力显微镜(AFM)对不同衬底温度下生长的样品进行表征,观察其表面形貌。研究表明In液滴的生长对衬底温度十分敏感,随着衬底温度的升高,液滴密度逐渐减小,液滴尺寸逐渐增大。分析了In液滴在不同衬底温度形成过程的物理机制,解释了该实验现象的原因。根据成核理论中最大团簇密度与衬底温度之间的关系,拟合计算出In液滴密度与衬底温度满足的函数关系为nx=5.17 exp(0.69 eV/kT)。
In液滴 液滴外延 衬底温度 团簇密度 GaAs GaAs indium droplet droplet epitaxy substrate temperature cluster density