先进光电子功能材料研究中心，紫外光发射材料与技术教育部重点实验室，国家级物理实验教学示范中心，东北师范大学，吉林 长春，130024
为提高微阵列电极 (Microarray electrodes, MAE) 的检测效率，降低生产成本，提出了一种将数字微镜器件 (DMD) 无掩模投影光刻与电化学沉积相结合的技术。首先，利用光刻系统压电平台 (PZS) 的高分辨率运动和DMD生成图案的灵活性等优点，制备了用户可自定义的微结构阵列，接着，通过电化学沉积获得Au导电层，实现了均匀的Au微阵列电极 (Au/MAE) 的制备。然后通过循环伏安法，比较了不同结构的Au/MAE的电化学性能，获得了优化的结构参数。最后，研究了优化后的Au/MAE对于不同浓度和pH值的葡萄糖的电流响应，并通过计时电流法对Au/MAE检测葡萄糖的抗干扰能力进行了测试。电化学分析表明，这种简单的Au/MAE对葡萄糖的电化学检测具有显著的安培响应和较强的抗干扰能力，其灵敏度为101 μA·cm−2·mM−1。这种微阵列电极的制备方法，具有分辨率高、一致性高、工艺简单、成本低的优点，为生物传感阵列的制造提供了切实可行的操作方案。
DMD光刻 电化学沉积 微结构阵列 电极 DMD lithography electrochemical deposition microstructure array electrode
1 西安邮电大学自动化学院，陕西 西安 710121
2 火箭军工程大学导弹工程学院，陕西 西安 710025
图像目标搜索是智能安防、区域监控等领域的一项关键技术。近年来，随着视频数据的爆炸式增长，如何在海量视频数据中进行感兴趣目标的快速搜索成为智能视频处理领域亟待解决的关键问题。本文提出了一种基于底层特征和深度学习特征分层级联的目标快速智能搜索方法。首先，采用目标智能检测技术对视频数据中的感兴趣类型目标进行智能检测；其次，针对数量众多的目标检测结果，设计基于底层特征相关性度量的门控机制，实现对目标框的筛选；最后，利用高维深度学习特征完成对目标的准确识别。实验结果表明，所提方法在Market1501数据集上的重识别精度（mAP）达到88.5%，同时网络推理过程的计算量与YOLO和重识别网络直接级联的目标搜索方法相比降低了81.75%，显著提升了目标搜索速度。
机器视觉 目标搜索 底层特征 行人重识别 特征分层级联 激光与光电子学进展
2022, 59(2): 0215005
1 西安邮电大学自动化学院, 陕西 西安 710121
2 火箭军工程大学导弹工程学院, 陕西 西安 710025
空对地环境下成像视角单一,且需要依靠深层网络提供强特征表达能力。针对深层网络存在的计算量大、收敛速度慢等问题,在稠密连接网络(DenseNet)框架下,提出了一种用通道差异化表示的目标检测网络模型。首先,用DenseNet作为特征提取网络,并用较少的参数加深网络,以提高网络对目标的提取能力;其次,引入通道注意力机制,使网络更关注特征层中的有效特征通道,重新调整特征图;最后,用空对地目标检测数据进行了对比实验。结果表明,改进模型的平均精度均值比基于视觉几何组(VGG16)的单步多框检测算法高3.44个百分点。
图像处理 目标检测算法 特征提取 通道注意力机制 有效特征 密集连接 激光与光电子学进展
2020, 57(22): 221010
火箭军工程大学导弹工程学院, 陕西 西安 710025
在空基对地目标检测背景下,由于对地成像视角单一、目标尺寸随成像高度变化以及背景干扰复杂等,现有深度学习目标检测算法难以取得令人满意的效果。基于此,提出一种重点区域注意力学习机制,用于增强特征图的表达能力,同时缓解复杂背景特征的干扰问题。首先,建立重点区域注意力学习机制,使网络能选择性地关注和利用图像中的目标区域特征;其次,通过设计区域注意和目标检测相耦合的损失函数,实现区域注意损失和目标检测损失的同步优化;最后,利用空对地目标检测数据集进行实验。结果表明,所提算法能有效地关注和利用重点区域的特征信息,减小背景信息的干扰,提高空对地目标检测的精度和抗干扰能力。
图像处理 空对地目标检测 深度学习 背景特征干扰 小目标 重点区域注意力学习 激光与光电子学进展
2020, 57(4): 041006
1 火箭军工程大学 作战保障学院, 陕西 西安 710025
2 火箭军工程大学 导弹工程学院, 陕西 西安 710025
针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题, 本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先, 针对遥感影像建筑提取任务, 使用深度编解码网络完成对建筑物目标的低阶语义特征提取; 其次, 使用多项式核完成对深度网络中间特征图的高阶描述, 以提升网络对于模糊特征的辨识能力; 最后, 将低阶特征与高阶特征级联后, 送入编解码网络的末端, 得到对建筑物的分割结果。在Massachusetts Buildings数据集上进行试验, 其召回率、准确率和F1-score指标分别达到了85.1%, 77.5%和80.9%, 综合指标F1-score相比于基础深度编解码网络提升约4%。本文所提方法改进了编解码器网络对于遥感影像建筑物自动提取任务的表现性能, 能够更加精确地提取与背景区分度较低的建筑物目标, 具有良好的实用价值。
遥感 建筑物提取 高阶信息 编解码器网络 语义分割 remote sensing building extraction high-order statistics encoder-decoder network semantic segmentation 光学 精密工程
2019, 27(11): 2474
火箭军工程大学导弹工程学院, 陕西 西安 710025
在空对地遥感检测中,目标所占视场比例小、视角单一、易受背景干扰且视场高度变化大,这给传统深度学习检测算法带来了挑战。针对该问题,提出一种场景耦合的多任务目标检测算法。首先,设计了一种新的场景耦合目标检测网络结构,将场景分类特征图和目标检测特征图在同一尺度上进行镜像融合,丰富了网络特征描述的细粒度;其次,设计了差异化激活模块,实现特征通道的重要性筛选;然后,推导了多任务耦合的网络优化函数,实现了目标检测损失和场景分类损失的同步优化;最后,建立了空对地目标检测多任务数据集,对所提方法的有效性进行验证。实验证明,本文算法有效提升了空对地小目标检测的精度和稳健性,同时能够自适应不同高度的识别检测多任务需求,为空基无人平台对地智能检测提供了新的思路和方法。
机器视觉 多任务耦合 深度学习 目标检测 场景感知 空基无人平台 光学学报
2018, 38(12): 1215008
建立了一种基于多天线GPS/SINS的全组合测姿模型; 在位置、速度组合的基础上，利用星站双差观测量实现姿态测量，并证明了PWCS定理可用于分析该类系统的可观测性。研究了系统在不同可见星数目情况下的状态可观测性，并通过一段仿真航迹，对比了模型的测姿精度等性能。结果表明，当可见星数目大于等于4颗时，系统状态即完全可观测，此时，导航系统滤波参数能够较快收敛，并且达到较高的测姿精度。而在此基础上继续增加可见星数目、增加姿态观测量并不能使系统的测姿精度和收敛速度得到明显改善。
姿态测量 可观测性分析 卡尔曼滤波 attitude measuring observability analysis GPS/SINS GPS/SINS Kalman filtering
