暨南大学信息科学技术学院电子工程系，广东 广州 510623
提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤声传感（DAS）信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络（DRSN），使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据，并通过添加高斯白噪声的形式，设计了6组不同信噪比（0 dB~5 dB）的实验。对比了4个模型的实验结果，由此考察DRSN-NTF的识别效果。结果发现：在强噪声的情况下，DRSN-NTF取得的平均测试准确率比DRSN高1.05%；随着信噪比的降低，DRSN-NTF的测试准确率高于DRSN的差值增大，表明DRSN-NTF在信号噪声处理和分类识别能力方面更强，能获得相对更高的识别准确率。因此，DRSN-NTF更加适用于DAS信号识别。
光纤光学 光纤传感器 模式识别 深度残差收缩网络 新阈值函数 周界安防 激光与光电子学进展
2024, 61(5): 0506002
靳喜博 1,2,3刘琨 1,2,3,*江俊峰 1,2,3王双 1,2,3[ ... ]刘铁根 1,2,3
1 天津大学精密仪器与光电子工程学院，天津 300072
2 天津大学光电信息技术教育部重点实验室，天津 300072
3 天津大学光纤传感研究所，天津 300072
基于双马赫-曾德尔干涉（DMZI）型分布式光纤振动传感系统与无人机（UAV）视频监测系统，通过卷积神经网络同步对光信号和无人机视频信号进行模式识别，从多维度对多类别扰动事件进行精准检测。与传统的模式识别方法相比，所提方案将两个不同维度上的信号有效结合，实现了不同维度上模式识别方法的优势互补，将识别信号的时间维度加入识别，解决了静态信号识别事件有限、准确率较低的问题。为了验证所提方案的可行性和有效性，对常见的9种传感行为（攀爬、轰砸、剪切、脚踢、重敲击、轻敲击、拉扯、摇晃、无入侵）进行了实验测试和分析。实验结果表明，所提出的多维度模式识别方案可以对9种入侵事件达到99.58%的平均测试准确率，并且平均识别时间为0.16 s，短于系统的采样时间0.3 s，满足实际工程应用的需求。
光纤光学 分布式光纤传感 多维度传感 模式识别 卷积神经网络
1 西南科技大学 a.信息工程学院
2 b.极端物质特性实验室，四川绵阳 621010
3 妙仁堂医疗服务有限公司，四川绵阳 621050
确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法，本文应用太赫兹光谱技术结合模式识别方法对 6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等 6种常用中草药，共得到 420组太赫兹光谱数据，在 0.2~1.5 THz波段分别采用支持向量机 (SVM)、主成分分析 (PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对 6种中药材进行了定性鉴别分析。结果表明，太赫兹光谱数据结合线性判别分析和支持向量机建立的 LDA-SVM中草药品种识别模型最优，模型准确率达 100%，对未知样本的鉴别准确率达 98.41%。本文的 LDA-SVM模型具有较好的鉴别能力，能快速准确地鉴别出中药材的品种，为中草药的质量控制提供了又一鉴别手段。
太赫兹光谱 模式识别 定性鉴别 中草药 terahertz spectrum pattern recognition qualitative identification Chinese herbal medicine 太赫兹科学与电子信息学报
2023, 21(5): 586
1 中国人民公安大学侦查学院, 北京 100038 刑事科学技术北京市重点实验室, 北京 100038
2 中国人民公安大学信息网络安全学院, 北京 100038
3 中国科学院合肥物质科学研究院固体物理研究所, 安徽 合肥 230031
高危阿片类毒品海洛因的泛滥, 对国家安定、 社会经济和人民生命财产安全带来了巨大的危害。 高效、 准确的海洛因及其代谢物的检测鉴定方法在打击毒品犯罪, 处理涉毒案件以及公安禁毒工作中具有十分重要的意义。 表面增强拉曼光谱（SERS）兼具检测速度快、 操作简便、 灵敏度高、 指纹识别及无损检测等优点, 能够实现对毒品的高效、 便携检测。 若结合模式识别技术, 可提高数据处理效率、 避免人为错判的发生, 进而实现自动精确分类识别的目的。 针对溶液中微/痕量海洛因及其代谢物, 提出了基于Au/SiO2复合纳米球阵列（Au/SiO2 NSA）的SERS检测与模式识别相结合的方法, 实现对它们的灵敏检测与高效鉴别。 首先, 采用气-液界面自组装和磁控溅射沉积的方法制备了具有良好SERS活性和结构一致性的Au/SiO2 NSA, 以此为SERS基底（芯片）, 结合便携式拉曼光谱仪, 成功实现了对水溶液中海洛因及其主要活性代谢物（6-单乙酰吗啡（6-MAM）和吗啡）的灵敏检测, 检测限低至10-4 mg·mL-1。 然后, 利用模式识别技术中的系统聚类分析（HCA）、 主成分分析（PCA）和支持向量机（SVM）对所获得的谱图数据进行定性/定量分类识别。 结果表明, 在HCA和PCA均能准确分类的基础上, 采用基于径向核函数、 线性核函数、 多项式核函数、 S型核函数中任意一种建立的PCA-SVM模型, 均能够100%地对海洛因、 6-MAM和吗啡进行定性识别； 选取基于径向核函数的SVM模型, 对不同浓度海洛因定量区分的准确率可达90.1%； 而通过基于线性核函数的SVM模型, 对不同浓度6-MAM和吗啡的判别准确率分别为84.8%、 70.2%。 这项工作不仅为基于SERS的灵敏检测与精准鉴别提供了一种具有实用价值的高质量基底（芯片）, 也为对海洛因及其代谢物进行准确的分类及识别给出了可行的方案。
表面增强拉曼光谱 Au/SiO2复合纳米球阵列 模式识别 海洛因及其代谢物 灵敏检测 精准鉴别 Surface-enhanced Raman spectroscopy Au/SiO2 composite nanosphere array Pattern recognition Heroin and its metabolites Sensitive detection Accurate identification 光谱学与光谱分析
2023, 43(10): 3150
北京信息科技大学 仪器科学与光电工程学院, 北京 100192
对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。
星敏感器 星图识别 子图同构 模式识别 人工智能 star sensor star identification subgraph isomorphism pattern recognition artificial intelligence
作为神经形态计算系统的基本组成单元, 人工突触器件在高性能并行计算、人工智能和自适应学习方面具有巨大的应用潜力。其中, 电解质栅突触晶体管(Electrolyte-gated synaptic transistors, EGSTs)以其沟道电导的可控性成为下一代神经形态器件被广泛研究的对象, 并用来模拟神经突触功能。EGSTs因双电层的快速自放电效应, 导致其存在长程塑性持续时间较短和沟道电导不易调控等问题。本研究采用水诱导的In2O3薄膜作为沟道材料, 以壳聚糖作为栅电解质材料, 制备了基于In2O3的EGSTs, 并对器件沟道层进行了氧等离子体处理。研究发现, 利用氧等离子体中的活性氧自由基在沟道层表面产生陷阱态, 使更多氢离子在电解质/沟道界面处被俘获, 器件性能表现为回滞窗口增大, 对EGSTs器件的长程塑性实现调控。基于双电层的静电耦合效应和电化学掺杂效应, 本研究利用EGSTs器件模拟了神经突触的兴奋性突触后电流(EPSC)、双脉冲易化(PPF)、短程塑性(STP)和长程塑性(LTP)等突触行为。同时, 基于该器件的EGSTs增强/抑制特性, 采用三层人工神经网络进行手写数字识别, 经过仿真训练后, 发现该器件可训练出较高的识别率(94.7%)。这些研究结果揭示: 表面等离子体处理是影响器件性能的一项关键技术, 并证明了该技术对调节EGSTs神经形态器件的突触功能具有较大的应用潜力。
电解质栅突触晶体管 突触塑性 等离子体处理 模式识别 electrolyte-gated synaptic transistor synaptic plasticity plasma treatment pattern recognition
1 华北电力大学电子与通信工程系，河北 保定 071003
2 华北电力大学河北省电力物联网技术重点实验室，河北 保定 071003
3 华北电力大学保定市光纤传感与光通信技术重点实验室，河北 保定 071003
针对光纤周界安防模式识别中机器学习算法依赖专家经验、现有深度学习算法学习关键特征能力不足的问题，提出了一种多注意力时间卷积网络（MATCN）识别模型。MATCN以时序信号为输入，通过利用通道和时序注意力优化网络学习机制，挖掘信号关键信息；在卷积过程中使用带泄露修正线性单元（Leaky ReLU）解决神经元坏死问题，提高模型的鲁棒性。搭建了基于相位敏感光时域反射系统（Φ-OTDR）的周界安防系统，模拟了攀爬、敲击、踩踏及无入侵事件。实验结果表明，MATCN的识别率达到了98.50%，识别时间为0.53 s，性能优于长短时记忆网络（LSTM）与融合卷积层的长短时记忆网络（CNN-LSTM）。所提方法能够有选择性地学习不同通道和时间片段中的关键信息，实现对周界入侵信号的准确、高效识别。
光纤传感 模式识别 时间卷积网络 注意力机制 周界安防 光学学报
2023, 43(20): 2006006
Author Affiliations
Abstract
Electrical Engineering Department, Faculty of Engineering, Imam Mohammad Ibn Saud Islamic University, Riyadh 11432, KSA
This work presents a new technique based on modulating the IR absorbance of each substance in a mixture in a chirped manner to reduce the effect of their partial spectral absorption overlap on the accuracy of determining their concentrations. This chirped spectral modulation CSM algorithm can deal with mixtures containing unknown substances rather than the substances whose concentrations are aimed. This novel algorithm, when compared to existing pattern recognition techniques, makes it easy to analyze the constituents of a mixture with high accuracy in the presence of traces of unknown components. It is found that the new algorithm can detect the presence of gas pollutants such as sulfur dioxide, carbon monoxide, carbon dioxide, nitrogen dioxide in a sample containing many other unknown polluting substances. This new algorithm is tested on air samples composed of predetermined percentages of air constituents and the results of calculations are compared with those of classical least squares CLS pattern recognition algorithm. The comparison showed that the new algorithm can detect down to very small traces of harmful gases such as NO2, and SO2, at least one order of magnitude less than those detected by the CLS approach. Finally, the new algorithm is used to examine collected air samples from an industrial zone, and in the middle and at the exit of a road tunnel in Riyadh area which showed that the percentages of sulfur dioxide, nitrogen dioxide, and carbon monoxide are well below the safe levels.
Pattern recognition techniques Environmental pollution monitoring techniques Pollution detection Fourier transform infrared spectroscopy Gas pollutants in the atmosphere Journal of the European Optical Society-Rapid Publications
2023, 19(1): 2023005
1 温州医科大学眼视光学院，浙江 温州 325035
2 中国科学院长春光学精密机械与物理研究所光学系统先进制造技术重点实验室，吉林 长春 130033
3 中国科学院大学，北京 100049
针对高通量荧光显微成像中高密度、低信噪比、亚衍射极限荧光斑点的自动化精准检测和定位问题，基于UNet提出一种轻量级神经网络方法。该方法采用挤压和激发通道层注意力机制和残差模块优化特征信息，构建密度图和偏移量多输出架构，直接执行检测和亚像素定位。在公开数据集和模拟数据集进行实验，所提方法对低信噪比和高密度的荧光点检测优于当前算法，尤其对于达到衍射极限的高密度荧光点，有很好的检测性能，比如在128×128像素具有1200个荧光点并且大部分点达到衍射极限的图像下。所提算法对斑点的识别精度F1分数超过97.6%，定位误差为0.115 pixel，相比最新deepBlink方法，F1提升16.2个百分点并且定位误差减小0.63 pixel。
荧光显微镜 数字图像处理 模式识别 神经网络 医学和生物成像 激光与光电子学进展
2023, 60(14): 1412004
