1 中国科学院精密测量科学与技术创新研究院磁共振波谱与成像全国重点实验室(中国科学院),湖北 武汉 430071
2 华中科技大学武汉光电国家研究中心,湖北 武汉 430074
3 中国科学院大学,北京 100049
磁场量子传感器(超导量子干涉仪、激光泵浦型原子传感器、金刚石氮-空位色心等)利用量子效应对磁场进行精密测量。激光泵浦型原子传感器具有灵敏度高、体积小、功耗低和易维护的优点,已成为当前快速发展的一个研究领域。激光泵浦型原子传感器已被应用于核磁共振领域,用来获取物质更精确的核磁共振波谱以及实现特殊条件下对样品的测量。特别地,在延伸至零场-超低场(磁感应强度B<1 μT)的核磁共振研究中,激光泵浦型原子传感器展现出了许多重要应用特性,拓展了人们对生物、化学物质更精细结构的探测和解析能力,进而使得核磁共振测量与研究覆盖了高场(B>1 T)、低场(μT<B<1 T)和零场-超低场(B<1 μT)整个工作磁场范围。本文简要介绍了基于激光泵浦型原子传感器的零场-超低场核磁共振的基本原理和相关技术,包括核磁样品的极化增强(强磁场热极化、激光泵浦极化、动态核极化、仲氢诱导极化等)以及传输、编码和探测等,综述了近几年来基于激光泵浦型原子传感器的核磁共振研究进展,并展望了该技术的发展趋势和应用前景。
医用光学 零场-超低场核磁共振 激光泵浦型原子传感器 样品极化增强 波谱 磁共振影像
1 国防科技大学理学院,湖南 长沙 410073
2 极端条件物理及应用湖南省重点实验室,湖南 长沙 410073
自本世纪初超快科学进入阿秒领域以来,阿秒脉冲以其超宽频谱和超短时间分辨,为研究阿秒时间尺度的瞬态过程提供了有力工具,推动了人们对光与物质相互作用以及微观超快动力学机制的理解。基于高次谐波的单个阿秒脉冲产生技术已日臻成熟,通过发展多种时空选通门技术,阿秒脉冲脉宽不断缩短,已达到的最短纪录为43 as。相较于阿秒脉冲的产生,对其精确测量与表征是深入研究和应用的基础,目前主流表征方法是通过阿秒条纹相机技术测量获得条纹能谱,进而从中提取阿秒脉冲的时域信息。首先简要回顾了高次谐波产生、单个阿秒脉冲选通及测量的发展,然后介绍了阿秒条纹相机技术的原理,并重点阐述了基于阿秒条纹能谱的表征算法,对其主要优缺点进行分析,最后对阿秒脉冲表征的发展进行了总结和展望。
非线性光学 单个阿秒脉冲 阿秒条纹相机 相位反演与表征
1 中国科学院西安光学精密机械研究所,西安 710119
2 中国科学院大学,北京 100039
针对光路对接准直目标识别算法对双目标粘连状态无法判别的问题,提出了基于二进制大对象(Binary Large Object,BLOB)区域和边缘特征分析的准直图像双光学目标识别方法。首先,对二值化图像进行数字形态学处理,计算全图各BLOB区域的面积、中心、轴长、区域、有效BLOB区域个数等信息。其次,对有效BLOB区域个数大于1的完全分离双目标准直图像,统计各BLOB区域中心分别为位于两个面积最大的BLOB区域内的BLOB数量,数量小的候选BLOB区域为主激光目标,数量大的候选BLOB区域为模拟光目标。然后,对于有效BLOB区域个数等于1的待识别图像,从左、右、上、下4个方向分别提取模板边缘图像的有效坐标序列和待识别边缘图像坐标序列,搜索有效坐标序列和待识别边缘图像坐标序列的最大相关系数对应的有效坐标序列。当4个方向的相关系数全部大于0.95时,待识别图像为模拟光目标;当4个方向的相关系数都小于0.95时,待识别图像为主激光目标;否则待识别图像为粘连图像。实验结果表明:提出的双光学目标识别算法,不仅能够识别完全分离的模拟光目标和主激光目标,误差小于3个像素,处理时间小于1 s,而且能够判别处于粘连状态的光学目标和单个独立的光学目标,满足光路对接准直图像识别算法对于自适应性、精度和效率的要求。
光路对接准直 BLOB区域 边缘特征分析 双光学目标识别 粘连图像识别 Optical path docking collimation BLOB region Edge feature analysis Dual optical target recognition Adhesion image recognition
中国科学院西安光学精密机械研究所先进光学仪器研究室,陕西 西安 710119
针对基于旁瓣光束衍射反演的强激光远场焦斑测量无法提取旁瓣图像更外围最小可测信号的问题,笔者提出了基于邻域向量主成分分析(NVPCA)图像增强的旁瓣弱光信号区域波峰参数检测方法。采取的主要优化措施为:首先,将旁瓣图像中的每个像素和它的8邻域像素看作一个列向量,构建一个9维数据立方体,选择主成分分析变换后的第1维数据为NVPCA图像;其次,通过角度变换转化检测对象,检测所有方向上一维旁瓣曲线的各个波峰参数,获得旁瓣弱光信号区域能量的量化分布;然后,搜索每个旁瓣波峰在所有方向上的极大值位置点,连接对应位置点生成每个旁瓣波峰的极大值圆环,计算各极大值圆环的灰度均值;最后,选择大于局域对比度方法(LCM)目标分离阈值且最小的极大值圆环的灰度均值作为整个旁瓣光束的最小可测信号。实验结果表明,采用基于NVPCA图像增强的旁瓣弱光信号检测方法能够从旁瓣图像的第5波峰环分离和提取最小可测信号,动态范围比值提升至原来的1.528倍,各旁瓣波峰参数满足精度要求,为未来大型激光装置强激光远场的精确测量奠定了基础。
远场测量 邻域向量主成分分析 旁瓣光束衍射反演 角度变换 旁瓣波峰参数检测
战略支援部队信息工程大学地理空间信息学院,河南 郑州 450001
针对传统LiDAR里程计(LO)测量方法在处理无初值、长序列点云配准时存在精度低、稳定性差等问题,本文引入端到端点云配准网络(HRegNet),提出一种基于深度神经网络的LO测量方法——HRegNet-LO算法,以期实现更加准确、鲁棒的LO测量。所提算法由两个核心模块组成:前端计算和后端优化。在前端scan-to-scan配准中,主要是依据原始点云的3D坐标,采用HRegNet网络,计算出相邻两帧点云的初始转换矩阵,实现LO初始位姿计算;在后端scan-to-map配准中,主要是通过提取特征点构建特征地图,应用迭代最近邻点(ICP)算法,每间隔一定距离对初始位姿进行优化,以减小预估轨迹中的漂移。在Kitti odometry数据集上对所提算法的性能进行了评估,并与LOAM、F-LOAM等算法作对比分析。实验结果表明,所提算法相对旋转、平移误差分别在0.003°/m和1%左右,每帧位姿计算耗时约为100 ms,可以满足LO测量对于精度和实时性的要求。
HRegNet网络 LiDAR里程计 特征地图 迭代最近邻点 Kitti odometry数据集 光学学报
2023, 43(24): 2428003
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 职业技术学院,天津 300300
电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中,FEN基于多尺度膨胀卷积(Multi-scale Dilated CNN,MDCNN)残差结构搭建,可在不增加训练参数的前提下构建多层次感受野,学习温度序列不同范围的空间特征;RLN基于嵌入长短期记忆网络的注意力机制(Long Short-Term Memory hybridized with Attention,LSTMwAtt)结构搭建,通过控制温度序列信息传递来学习特征重要性并分配权重,挖掘不同位置特征间的相关性。实验结果显示,所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN,故障诊断准确率分别达到91.15%和96.27%,可实现对电路板故障的高准确率诊断。
红外温度序列 电路故障诊断 多尺度膨胀卷积 长短期记忆网络 注意力机制 infrared temperature series circuit fault diagnosis multi-scale dilated CNN LSTM attention mechanism 红外与激光工程
2023, 52(4): 20220492
中国民航大学电子信息与自动化学院机载电子系统深度维修实验室, 天津 300300
针对传统红外图像的机载电路板芯片故障诊断法诊断率低且无法诊断动态故障的问题, 本文提出了一种基于红外温度数据的改进麻雀搜索算法优化 BP神经网络(Improved sparrow search algorithm-Back propagation neural networks, ISSA-BPNN)机载电路板芯片故障诊断方法。首先, 提取红外热像仪采集的电路板芯片温度数据, 建立电路板芯片升温过程中静态、动态、统计特征的特征模型; 然后, 利用 Sine混沌映射初始化麻雀种群分布, 利用 Levy飞行策略改进发现者种群位置更新公式, 将改进后的麻雀搜索算法优化 BP神经网络的权值参数; 最后, 将温度特征模型输入到 ISSA-BP神经网络进行训练和测试, 从而完成电路板芯片故障诊断。实验采用航电系统电源电路板进行可靠性分析, 实验结果表明, 该方法在电路板不同工况下综合故障诊断率达到 97.84%。
红外温度 改进麻雀搜索算法 BP神经网络 电路板芯片 故障诊断 infrared temperature improved sparrow search algorithm BP neural network circuit board chip fault diagnosis
红外与激光工程
2023, 52(1): 20220281
1 国防科技大学前沿交叉学科学院,湖南 长沙 410073
2 国防科技大学南湖之光实验室,湖南 长沙 410073
光子学报
2022, 51(11): 1114006