1 中国科学院金属研究所师昌绪先进材料创新中心，辽宁 沈阳 110016
2 中国科学技术大学材料科学与工程学院，辽宁 沈阳 110016
激光选区熔化GH4169合金粉末的循环使用可以显著降低制备成本、缩短生产周期。但是，利用循环使用的合金粉末，通过激光选区熔化技术成形的部件在组织、缺陷、性能行为上均存在差异。研究了不同循环使用次数下GH4169合金粉末的组织、缺陷及粒径分布等特征对成形件热处理态组织和相分布、拉伸行为及变形机制的影响。分析了循环使用后的粉末形貌和粒径分布、热处理试样的断口形貌、断口纵剖面组织和断口附近透射组织特征，详细阐述了拉伸断裂方式和强韧化机制。结果表明：粉末多次循环使用后平均粒径由30.45 μm逐渐增大至41.80 μm；表面愈加粗糙，流动性由14.85 s/50 g增加到18.62 s/50 g，较差的流动性导致热处理试样出现孔洞缺陷；合金拉伸强度（50~100 MPa）下降，力学性能受损；而断裂方式和变形机制不受影响。热处理态合金析出了纳米尺寸的块状碳化物、短棒状δ相、Laves相以及γ″和γ′强化相，拉伸过程中有效的钉扎位错提升了合金性能，使合金在室温和650 ℃下的最大抗拉强度分别达到1430 MPa和1205 MPa，优于或接近已报道的锻造、铸造和增材制造GH4169合金。研究结果为激光选区熔化GH4169合金的粉末循环使用和拉伸变形机制分析提供了参考。
增材制造 激光选区熔化 GH4169合金 粉末特性 组织演变 拉伸行为 中国激光
2024, 51(10): 1002310
1 上海海洋大学 信息学院, 上海 201306
2 国家海洋局东海勘察中心, 上海 200137
基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题，为此，本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征；然后将语义特征映射成视觉特征符号，并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模，提取图像的全局特征，同时使用浅层神经网络提取底层局部图像特征，捕捉图像低级失真信息；最后结合全局图像信息与局部图像信息，对图像质量进行预测。为了验证模型的精度和鲁棒性，以相关系数PLCC和SROCC作为评价指标，在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验，并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明，本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能，尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958，证明在复杂的失真情况下仍能准确评估图像质量，本文网络结构能满足实际应用场景。
图像质量 无参考图像质量评价 Transformer 自注意力 特征符号 image quality no-reference quality assessment Transformer self-attention feature tokens 光子学报
2022, 51(11): 1106005
1 上海海洋大学信息学院，上海 201306
2 上海电力大学，上海 201306
3 中国科学院深海科学与工程研究所，海南 三亚 572000
目前光学成像技术已经在深海探测中发挥重要的作用，但仍缺少深海视频质量主观评价研究，尤其是缺少公开的深海视频质量评价数据集。为此，构建了一个公开的、带有主观质量标签的深海视频质量评价数据集，该数据集包括5类代表性的真实深海场景视频。为了实现数据增广，使用基于深度学习和基于融合的水下图像增强方法进行视频质量增强，使用高斯模糊和高斯噪声进行视频质量退化；采用单激励绝对等级主观质量评价方法对深海视频进行视频质量评价，主观评价实验人数为20，得到总数量为142的深海视频质量评价数据集。在该数据集上验证了8种图像/视频质量客观评价模型的性能，结果显示当前视频质量客观评价模型用于深海视频质量评价还需提升性能。数据集公开在http：//ieee-dataport.org/documents/deep-sea-video-quality-dataset，有助于深海视频质量客观评价和增强技术的优化和改进。
视觉 深海视频数据集 视频质量主观评价 数据增广 视频质量客观评价模型 激光与光电子学进展
2022, 59(17): 1733001
1 上海海洋大学信息学院,上海 201306
2 上海建桥学院信息技术学院,上海 201306
海表温度(SST)是平衡地表能量及衡量海水热量的重要指标,SST的高精度预测对全球气候、海洋环境及渔业具有重要意义。极端气候条件下,SST序列呈现明显的非平稳性,传统方法进行海表温度预测(SSTP)时难度大,且精度较低。基于经验模态分解(EMD)算法分解后的SST子序列非平稳性明显降低,且门控循环(GRU)神经网络作为一种常见的机器学习预测模型,参数较少、收敛速度更快,不易在训练过程中出现过拟合现象。结合EMD模型和GRU模型的优势,提出了一种基于EMD-GRU的SST预测模型。为验证所提模型预测效果,对5条不同长度的SST序列进行了多组对比实验。实验结果表明:与直接使用循环神经网络(RNN)、长短期记忆模型(LSTM)、门控循环神经网络(GRU)的模型相比,所提模型预测结果的多尺度复杂度更低;所提模型预测结果的均方差(MSE)和平均绝对误差(MAE)均有不同程度的降低。为验证数据序列长度对预测精度的影响,设计了补充实验。实验结果表明:预测长度越长精度效果越差;通过EMD算法对序列进行处理后,效果均得到了提升,且在预测长度变长的情况下,效果提升较为明显。
机器视觉 海表面温度序列 海表温度预测 经验模态分解算法 门控循环神经网络 激光与光电子学进展
2021, 58(24): 2415005
近岸海浪周期检测对于近岸精细化海洋预报至关重要。为此,提出一种新的基于视频时空特征学习的近岸海浪周期自动化检测方法。所提方法以连续海浪视频帧为输入,首先利用二维卷积神经网络(2D-CNN)提取视频帧的空间特征,将空间特征在时间维度上拼接成序列,再通过一维卷积神经网络(1D-CNN)提取时间维度特征,这种复合卷积神经网络(CNN-2D1D)能够实现海浪时空信息的有效融合,最后采用注意力机制对融合后的特征进行权重调整,并将所得结果线性映射为海浪周期。将所提方法与基于VGG16网络的单纯空间特征的检测方法和基于ConvLSTM和三维卷积(C3D)网络的时空特征融合的检测方法进行对比。实验结果表明,C3D和CNN-2D1D的检测精度最高,平均绝对误差分别为0.47 s和0.48 s,但CNN-2D1D比C3D的检测结果更稳定,均方根误差分别为0.66和0.81,且CNN-2D1D需要的训练参数更少,这表明所提方法在波浪周期检测中更有效。
海洋光学 波浪周期检测 时空融合特征 融合卷积神经网络 近岸海浪监控视频 深度学习 激光与光电子学进展
2021, 58(24): 2401001
针对水下图像存在的对比度低、细节模糊、色彩失真问题,提出了一种基于预处理图像惩罚的生成对抗网络(GAN)水下图像增强方法。首先,通过改进的红色通道直方图拉伸算法对水下图像进行预处理,改善图像对比度的同时避免传统直方图拉伸后的局部过增强现象。然后,构建带有预处理图像惩罚的GAN,实现水下图像增强。其中,生成器编码-解码结构中的前两层使用多尺度卷积,以增强网络对细节信息的学习能力。最后,构建多项损失函数,将预处理图像作为伪真值对GAN施加损失惩罚,以提升网络的泛化性能。实验结果表明,相比传统图像增强方法和基于深度学习的图像增强方法,本方法在水下图像的色偏、对比度和细节信息方面的表现更优,且鲁棒性更好。
图像处理 直方图拉伸 生成对抗网络 惩罚损失 水下图像增强 激光与光电子学进展
2021, 58(12): 1210024
1 上海海洋大学信息学院, 上海 201306
2 上海电力大学, 上海 200090
业务流程中事件日志的分析与预测可以为流程监控和管理提供决策信息,现有研究方法多针对特定单个任务预测,不同任务间预测方法的可迁移性不高。多任务预测可以共享多个任务间的信息,提升单个任务预测的精度,但现有研究对重复活动的多任务预测效果有待提高。针对以上问题,提出一种注意力机制与双向长短时记忆结合的深度神经网络模型,实现对业务流程中重复活动和时间的多任务预测。预测模型可以共享不同任务已经学到的特征表示,实现多任务并行训练。在多个数据集中对不同方法进行对比,结果表明,所提方法提高了预测效率和预测精度,尤其对重复活动的预测精度有较好提升。
图像处理 业务流程监控预测 多任务学习 注意力机制 双向长短时记忆网络 激光与光电子学进展
2021, 58(4): 0410003
