1 南京航空航天大学核分析技术研究所 南京 211106
2 江苏省高校放射医学协同创新中心 苏州 215031
3 兰州大学核科学与技术学院 兰州 730000
4 苏州冠锐信息科技有限公司 苏州 215008
核辐射场区全覆盖路径规划对于辐射环境下区域作业者的辐射安全有重要意义。本研究基于生物启发神经网络算法,提出一种进行辐射剂量最优控制的全覆盖路径规划算法。首先,利用福岛核电站部分地形以及蒙特卡罗粒子输运程序分别构建模拟核辐射场区的障碍物分布和辐射剂量场,然后,采用Python语言进行算法仿真试验,模拟核辐射场区的每一个栅格定义为一个神经元,建立起生物启发神经网络,将栅格剂量率与神经元活性耦合实现路径规划的辐射剂量最优控制,分别采用单个、4个和8个移动单元进行仿真试验。结果表明:单个移动单元的规划路径在实现100%覆盖率,4%覆盖重复率的同时,能够优先覆盖低剂量区,延后覆盖高剂量区,实现了过程剂量和累积剂量的最优控制。为提高全覆盖的时间效率和获得更低的单体累积剂量,对算法进行多单元协同搜索的改进,结果表明:4单元和8单元仿真的覆盖重复率分别为5.72%和6.29%,1单元、4单元和8单元仿真完成全覆盖时间分别为30 min、9 min和4 min,时间效率成倍提高;最大单体累积剂量分别为4.11×10-3 mSv、1.28×10-3 mSv和0.85×10-3 mSv,也在显著降低。本文提出的算法能实现过程剂量和累积剂量最优控制的全覆盖路径规划,另外算法可以协同规划多单元路径,显著降低单体累积剂量,对辐射环境下区域作业的辐射防护有重要意义。
生物启发神经网络 核辐射场区 全覆盖路径规划 多单元协同 剂量控制 Bio-inspired neural network Nuclear radiation field Complete coverage path planning Multi-unit collaboration Dose control 辐射研究与辐射工艺学报
2024, 42(1): 010601
1 上海市计量测试技术研究院,上海 201203
2 上海在线检测与控制技术重点实验室,上海 201203
3 桂林电子科技大学 计算机与信息安全学院,广西 桂林 541004
提出了一种结合深度学习的空间相位解包裹方法,采用基于改进U-Net网络的编码器-解码器架构,同时加入包含双向长短期记忆网络(BILSTM)的CBiLSTM模块,并且结合注意力机制,避免了典型卷积神经网络学习全局空间依赖关系的固有缺陷的同时增强了深度学习模型对相位解包裹任务中的关键信息的关注能力。通过大量的模拟数据,验证了文中方法在严重噪声(SNR=0)、不连续条件和混叠条件下的鲁棒性,在以上三种情况下,同其他深度学习网络模型进行对比,文中所提出的网络模型的归一化均方根误差(NRMSE)分别为0.75%、1.81%和1.68%;结构相似性指数(SSIM)分别为0.98、0.92和0.94;峰值信噪比(PSNR)分别为40.87、32.56、37.38;同时计算时间显著减少,适合应用到需要快速准确的空间相位解包裹任务中去。通过实际测量数据,验证了文中提出网络模型的可行性。该研究将双向长短期记忆网络(BILSTM)和注意力机制同时引入光学相位解包裹问题中,为解决复杂相位场的解包裹提供了新的思路和方案。
相位解包裹 深度学习 注意力机制 长短期记忆网络 卷积神经网络 phase unwrapping deep learning attention mechanism long short-term memory network convolutional neural network 红外与激光工程
2024, 53(2): 20230564
天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室,天津 300072
图像匹配能将待匹配图像变换到原有图像的坐标系中,在各种视觉任务中起着重要的作用。基于特征的图像匹配算法能够在图像中匹配到一些更具区分度的特征,与其他图像匹配方法相比,其具有高精度、高灵活性、高鲁棒性等特点。针对传统特征匹配算法匹配稀疏的问题,提出一种基于改进深度特征匹配算法的密集特征匹配方法。首先,通过VGG网络提取图像的一系列特征图,在初始特征图进行最邻近匹配计算单应性矩阵并进行视角变换;然后,基于特征图的频域匹配特点进行深层特征图融合,用于特征粗匹配;最后,基于粗匹配的结果在浅层特征图上进行特征细匹配用于校正特征匹配的结果。实验结果表明:所提算法提升了特征匹配的精度和匹配的特征数量。
机器视觉 卷积神经网络 特征融合 图像匹配 图像处理 激光与光电子学进展
2024, 61(8): 0815001
强激光与粒子束
2024, 36(1): 013010
1 中国科学技术大学 国家同步辐射实验室,合肥 230029
2 中国科学技术大学 核科学技术学院,合肥 230029
针对太赫兹直线加速器,开发了基于EPICS分布式系统的横向截面尺寸测量系统。该系统采用束斑检测器完成束斑到光斑的转换,并通过远心镜头将光斑成像到CCD相机,完成对光斑图像的采集,之后基于ADAravis将相机采集的图像数据汇入到EPICS数据库。由于暗电流以及环境辐射的影响,在采集到的图像中会存在椒盐噪声,因此使用卷积神经网络(CNN)对图像中的椒盐噪声进行抑制,最后对图像进行高斯拟合计算出束流截面尺寸。实验结果表明,CNN可以有效地消除椒盐噪声,并且系统的分辨率达到15.8 μm,满足系统设计要求。
EPICS ADAravis 束流截面测量 机器学习 卷积神经网络 EPICS ADAravis beam profile measurement machine learning convolutional neural network 强激光与粒子束
2024, 36(3): 034004
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
针对R矩阵光谱重构法面临的问题, 提出了一种基于相机响应特性的光谱分解方法, 对分解出的同色异谱黑的反演建立粒子群优化 BP 神经网络模型 (PSOBP) 以实现网络训练权重的优化, 并利用全局训练样本和局部训练样本的二次光谱重构方式进行了仿真实验。结果表明, 在D65光源下, 利用所提出的方法, RGB相机观测下重构两种测试集均方误差平均值分别至少降低了1.71%和0.51%, 色差最大值分别为3.5579和2.3776, 满足人眼辨别颜色阈值要求; WorldView3观测下光谱重构精度均方误差在410~510、555~565、590~685、705~740 nm波段内不超过2%, 适应度系数表示的可接受样本占比均为91.667%, 色差最大值分别为1.6002和1.1177, 其光谱重构精度以及色度精度较其他方法均有所提高, 且6通道多光谱相机已能满足较高精度光谱重构的要求。
遥感 光谱重构 同色异谱黑 粒子群优化 神经网络 齐次非线性扩展 remote sensing spectral reconstruction metamerism black particle swarm optimization neural network homogeneous nonlinear extension
1 长安大学地质工程与测绘学院,陕西 西安 710054
2 中国自然资源航空物探遥感中心,北京 100083
3 武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉 430079
目前主流的神经网络在面对复杂多样的地物目标时难以精确区分,同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此,在分析遥感影像的地物特点后,提出一种基于权重动态变形的双重网络遥感影像分类方法,通过构架灵活、简易却有效的权重动态变形结构,构建经过改进的分类网络与目标识别网络,形成双网络对照的自我验证,从而提高学习性能、修复误差、增补遗漏、提高分类精度。实验结果表明,所提方法在容易实施的基础上,表现出更强的地物认知能力和更强的噪声抵抗能力,即其能够适应各种遥感影像的分类任务,具有较为广阔的应用潜力。
遥感影像分类 神经网络 权重动态变形 双重神经网络 自我验证 激光与光电子学进展
2024, 61(8): 0828001