1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院大学,北京 100049
3 中科聚研(吉林)干细胞科技有限公司,吉林 吉林 132000
在显微成像领域中,高成像质量图像的获取与良好的照明方式息息相关。传统显微镜使用聚光透镜来提供均匀强度的照明,调节聚光透镜的光阑匹配不同放大倍率的物镜。然而无色生物细胞的光学吸收系数低,在传统显微镜下难以观测到其细节信息。为了突破传统显微镜的成像功能,本文设计了一种可调控的显微镜聚光镜模块,通过将小型扭曲液晶器件嵌入聚光透镜的后焦面处,调控液晶器件的对光的透过效果可以实现明场成像以及差分相衬成像。系统由一款商用显微镜改装而成,液晶器件尺寸为22 mm×18 mm,实现了系统的高度集成化。通过实验验证了系统的成像性能,实现了对微凸透镜样品的定量相位重建,实验与理论曲线的互相关系数达到0.994 9,并且通过胚胎干细胞的重建展示了系统在实际应用中的效果。
显微镜 计算成像 差分相衬成像 microscopy computational imaging differential phase contrast imaging
1 南京邮电大学 集成电路科学与工程学院,江苏 南京 210023
2 南京邮电大学 射频集成与微组装技术国家地方联合工程实验室,江苏 南京 210023
3 南京邮电大学 电子与光学工程学院,江苏 南京 210023
液晶材料在微波频段具有良好的调制特性,在微波可调谐器件领域具有巨大的应用潜力。本文针对液晶材料微波介电常数的测量需求,提出了一种基于人工局域表面等离激元谐振的传感器。通过设计环形谐振器结构,在sub-6 GHz频段形成局域表面等离激元窄带谐振峰。通过给液晶施加外加电场,能够实现对液晶介电常数的调控。通过谐振频点位置的拟合,能够得到对应的液晶的介电常数大小,从而实现液晶材料在微波频段的介电常数的测量。本文研究了不同液晶层厚度、不同液晶介电常数对人工局域表面等离激元谐振频点的影响。随着液晶层厚度增加或者液晶介电常数的减小,谐振频点f1和f2都逐渐增大。当液晶层厚度大于或等于0.5 mm时,谐振频点f1和f2随介电常数的变化具有良好的线性度,且具有高灵敏度(>400 MHz/Δε),远大于基于目前报道的其他形式介电常数传感器。同时,本传感器结构可以在液晶层上下施加电场,从而实现在不同外加电场作用下液晶材料微波介电常数的测量,在液晶微波特性研究领域具有应用潜力。
液晶 微波介电常数 传感器 人工局域表面等离激元 liquid crystals microwave dielectric constant sensor spoof localized surface plasmon
合肥京东方显示技术有限公司,安徽 合肥 230012
晕开缺陷(Particle Gap)是液晶面板常见缺陷之一,在工业生产中需要准确评价缺陷的严重等级。传统评价方法存在准确率低、误差大的问题。本文基于Particle Gap缺陷的形态与颜色特征,利用Photo Shop软件设计了Particle Gap电子限度样本,提高了缺陷等级评价的准确率。首先根据形态将缺陷分为4类,通过色彩分析仪分析发现圆形有核和圆形无核两类缺陷的颜色呈各向同性,从中心向边缘分为均匀渐变和非均匀渐变两类;然后建立了Particle Gap电子限度样本模型,经过对比实验找出了不同等级之间精准的电子限度样本;最后分析得出Particle Gap色域范围为色相H∈[30°,45°],饱和度S∈[2%,56%],明度B∈[15%,66%]。随着缺陷由轻变重,色相总体呈减小趋势,饱和度逐渐增大,明度先升高后降低,为制作与修订电子限度样本提供了参考。该限度样本应用于H公司面板检测工序后,Particle Gap等级准确率提高7.1%以上,因错检造成的产品和材料损失显著降低,在缺陷检测领域具有重大应用价值。
Particle Gap缺陷 限度样本 HSB颜色值 检测准确率 Particle Gap defect limit sample HSB color value accuracy of detection
1 武汉科技大学 信息科学与工程学院,湖北 武汉 430081
2 湖南大学 信息科学与工程学院,湖南 长沙 410082
3 北京航空航天大学 仪器科学与光电工程学院,北京 100191
VGGNet能提供高精度的火星图像分类,但需消耗大量内存资源。鉴于器载计算机内存资源有限,为解决这一矛盾,本文提出了基于迭代剪枝VGGNet的火星图像分类方法。首先,采用迁移学习训练网络的连通性,以便评估神经元的重要性;其次,通过迭代剪枝方法修剪不重要的神经元,以便将全连接层的参数量和内存占用量减少;最后,采用K-means++聚类实现权重参数的量化,利用霍夫曼编码压缩迭代剪枝与量化后的VGGNet权重参数,达到减少存储量和浮点数运算量的作用。此外,通过5种数据增强方法进行数据扩充,目的是解决类别不平衡的问题。实验结果表明,压缩后的VGGNet模型的所占内存、Flops和准确率分别为62.63 Mb、150.6 MFlops和96.15%。与ShuffleNet、MobileNet和EfficientNet等轻量级图像分类算法相比,所提模型具有更好的性能。
图像分类 卷积神经网络 迭代方法 聚类算法 VGGNet image classification convolutional neural networks iterative methods clustering algorithms VGGNet