光子学报
2023, 52(11): 1110002
1 西安工业大学机电工程学院，陕西 西安 710021
2 精密与超精密加工及测量国家地方联合工程研究中心，陕西 西安 710021
基于冻结浆料的分层实体制造方法在多孔陶瓷3D打印领域具有应用潜力。为了研究冻结陶瓷浆料的激光切割过程，建立了CO2激光面热源热传导数学模型，采用COMSOL有限元仿真模拟激光扫描加热过程，以纯冰为理想材料，结合实验研究建立激光切割深度数学模型。结果表明，冻结陶瓷浆料的激光切割过程与传统非金属材料相似，“V”字形的气化切割区深度随激光能量密度的增大而增大；由于陶瓷颗粒的吸热和散射作用，在冻结陶瓷浆料切割区下方存在热影响过渡区，实际切割深度与纯冰激光切割理论深度存在差异，在理论模型中引入材料特性相关修正系数后可较好地符合实际切割规律，为冻结陶瓷浆料激光切割工艺参数选择提供了参考。
材料 激光切割 冻结材料 温度场 陶瓷浆料 3D打印 激光与光电子学进展
2023, 60(15): 1516003
1 东莞理工学院 电子工程与智能化学院，广东 东莞 523808
2 东莞理工学院 机械工程学院，广东 东莞 523808
3 华南师范大学 信息光电子科技学院，广东 广州 510631
4 华南理工大学 发光材料与器件国家重点实验室，广东 广州 510640
5 广州彩屏显示技术有限公司，广东 广州 510700
微米发光二极管（Micro-LED）显示是一项新颖并有着广泛应用前景的技术，在显示技术中占有重要地位。Micro-LED拥有亮度高、功耗低、寿命长、响应时间短和稳定性高等优点。可以应用于虚拟现实（Virtual Reality，VR）、增强现实（Augmented Reality，AR）、手机等微小型显示器，也可应用于家用电视、会议墙等中大型显示器，在显示领域具有较好的发展潜力。虽然Micro-LED显示应用前景广阔，但其技术尚不成熟，驱动技术面临生产成本高、资源分散等问题，限制了其产业化进程。本文回顾了自2000年以来Micro-LED显示技术的发展历程和研究成果，分析了阵列制备和倒装芯片集成技术，重点研究了Micro-LED显示驱动技术。Micro-LED显示驱动技术分为无源驱动和有源驱动方式，主要介绍了无源驱动的电路原理，有源驱动的互补金属氧化物半导体驱动技术、薄膜晶体管驱动技术以及有源像素驱动电路。
Micro-LED 阵列制备 显示 CMOS驱动 TFT驱动 Micro-LED array fabrication display CMOS driver TFT driver
1 中国科学院西安光学精密机械研究所光谱成像技术重点实验室, 陕西 西安 710119
2 中国科学院大学, 北京 100049
通过对质心法、曲面拟合法两类质心定位算法的优劣势进行分析,提出结合两类定位算法优势的基于三次样条拟合插值的高精度质心定位算法,并指出其实现双重定位误差抑制的原理。通过仿真实验,对比不同信噪比下传统质心法与所提算法的定位误差,发现基于三次样条拟合插值的质心定位误差均明显小于传统质心法。当信噪比为20 dB时,基于三次样条拟合插值的质心定位误差方均根误差仅为0.003 pixel。通过真实仪器测量的星点图像,再次验证了所提算法的有效性。基于三次样条拟合插值的高精度质心定位算法可有效抑制定位误差,具有较好的抗噪性,不依赖特定星点模型,适用范围较广。
测量 星点检测 星敏感器 质心定位 双重误差抑制 三次样条拟合插值 光学学报
2021, 41(12): 1212004
1 火箭军工程大学导弹工程学院, 陕西 西安 710025
2 中国科学院西安光学精密机械研究所光谱成像技术重点实验室, 陕西 西安 710119
为了使降维结果更好地体现高光谱数据的空间结构信息,并进一步提高分类精度,提出了一种基于线性嵌入和张量流形的高光谱特征提取算法。不同于其他流形结构的表达方法,所提算法采用协同表示理论求解全局线性嵌入的权重矩阵,更有利于保持高维数据的全局信息,提高了流形结构表达的准确性。同时,建立了基于多特征描述的张量流形降维框架,得到的显式映射具有较强的可靠性和全局适应性。实验结果表明:与主成分分析、局部线性嵌入、拉普拉斯特征映射和线性保留投影等算法相比,所提算法表现出了更优越的分类性能。
遥感 高光谱 降维 线性嵌入 流形学习 张量表达
1 中国科学院西安光学精密机械研究所光谱成像技术重点实验室， 陕西 西安 710119
2 中国科学院大学， 北京 100039
夏威夷果含油量高， 在开缝之后容易发生变质， 现有关于夏威夷果品质鉴定的方法多为传统的破坏性检验， 很难满足无损检测的需求。 卷积神经网络（CNN）作为应用最广泛的深度学习网络模型之一， 具有比浅层学习方法更强的特征提取与模型表达能力， 在光谱数据方面的应用拥有很大潜力。 基于夏威夷果在可见-近红外的光谱特征分析， 研究用于提取夏威夷果光谱特征的卷积神经网络模型， 并提出一种高效无损鉴定夏威夷果品质的方法。 首先以三种不同品质的夏威夷果（好籽、 哈籽及霉籽）为研究对象， 分析样本在500~2 100 nm的光谱信息； 在光谱数据预处理中引入白化处理方法， 用以增强数据的相关性差异； 然后在模型训练过程中， 将样本随机分为训练集和预测集， 探讨不同CNN结构、 卷积层数、 卷积核大小及个数、 池化层类型、 全连接层神经元个数以及激活函数对分类结果的影响， 并采用激活函数ReLU和Dropout方法， 预防样本数据过少引起的过拟合现象； 最后通过分析模型分类准确率和计算效率， 确定了一个6层结构的CNN模型： 输入层—卷积层—池化层—全连接层（200神经元）—全连接层（100神经元）—输出层。 实验结果表明： 上述网络模型对校正集和预测集的分类准确率均达到100％。 因此， 改进后的卷积神经网络模型可充分学习夏威夷果的光谱特征并有效分类， 将深度学习理论与光谱分析相结合的方法能够实现对夏威夷果品质的准确鉴定， 同时为夏威夷果等坚果类食品的高效、 无损、 实时在线检测提供了新思路。
可见-近红外光谱 夏威夷果 深度学习 卷积神经网络 品质鉴定 Vis-NIRS Macadamia nut Deep learning Convolutional neural network (CNN) Quality identification 光谱学与光谱分析
2018, 38(5): 1514
1 陕西历史博物馆, 陕西 西安 710000
2 中国科学院西安光学精密机械研究所, 陕西 西安 710119
3 陕西省考古研究院, 陕西 西安 710000
针对壁画鉴赏中对科学分析方法的需求, 根据光谱成像及光谱分析方法在壁画处理中的特点与优势, 重点讨论了光谱成像技术在壁画鉴赏处理中的应用, 其可以辅助传统的专家经验鉴定方法, 提供更丰富客观的画作信息, 实现作品的鉴赏分析。 光谱成像与分析方法是一类重要的科学分析方法, 因其具有非接触、 破损少甚至无破损、 科学、 准确、 可量化等特点, 可应用于壁画修复、 信息提取、 颜料分析、 特征增强、 鉴赏分析等。 首先, 从技术实现角度出发给出具体的鉴赏应用方向。 然后, 基于光谱特征分析、 主成分分析、 独立分量分析、 相关性判别、 人机交互处理等方法, 对实际观测的韩休墓壁画进行实验处理, 验证技术应用的实验效果, 最后, 结合应用实验提出包括规范化采集、 图谱特征分析、 图谱处理系统等关键技术还需进一步解决。 实验结果表明, 利用光谱成像分析技术可以实现壁画颜料信息的判读, 隐藏信息的提取、 弱信息的增强, 不同属性的分类识别, 同时, 还可以综合特殊需求, 开展画作图谱探索性研究, 如壁画处理中的涂改小孩分析、 画作修复等。
壁画鉴赏 光谱成像 光谱分析 Mural painting appreciate Spectral imaging Spectral analysis 光谱学与光谱分析
2017, 37(10): 3235
1 火箭军工程大学 信息工程系, 西安 710025
2 中国科学院西安光学精密机械研究所, 西安 710119
3 西安交通大学 电信学院, 西安 710048
为了充分利用高光谱图像蕴含的丰富的光谱信息和空间信息, 提出了结合多尺度空间滤波和层级网络的基于结构保持的高光谱特征选择算法.算法利用基于l2,1范数的数学模型, 选出同时保存全局相似性结构和局部流形结构的特征子集; 在多个尺度的窗口中使用双边滤波, 自适应计算滤波核, 自动在光谱数据中融入空间信息, 增强了类内相似性和类间相异性, 避免了参量选择; 引入层级结构实现空间信息和光谱信息的深入融合, 提高了分类准确度; 讨论了层级数目和窗口尺度个数对分类准确度的影响.在Indian Pines和PaviaU两个数据集的实验表明, 该算法在大部分地物种类上的分类准确度都有较大幅度的提升, 总体分类准确度分别达到90.98%和94.20%, 相比其他方法明显提高了地物分类准确度.
高光谱图像 特征选择 双边滤波 空间近邻 流形学习 层级网络 Hyperspectral image Feature selection Bilateral filtering Spatial neighbors Manifold learning Hierarchical network
