单像素成像使用一系列空间光调制掩模对目标场景进行单像素亚采样，再根据掩模与测量值之间的关联重构出物体图像。这种间接获取图像的方式之所以能保证重建质量，除了有重构算法的功劳，更关键的是测量掩模的构造。随着压缩感知理论的引入，随机掩模进入人们视野，但它让测量变得盲目，缺乏针对性，而且这种掩模不便于存储和计算，极大限制了空间像素分辨率。哈达玛基掩模因其结构化特征使快速计算成为可能，且方便存储和提取，近年来得到广泛关注，已发展出诸多哈达玛基掩模优化排序方法，这些方法已被证明能大幅降低采样率。本综述系统地梳理了这类方法的设计框架和前沿进展，展望了确定性掩模构造的未来发展趋势，可为后续的研究工作提供有益的借鉴和指导。

视网膜血管的自动分割技术有助于早期诊断和治疗与视网膜相关的疾病。由于视网膜血管结构复杂且精细, 眼底图像存在着低对比度、光照不均以及病理性渗出物等因素的干扰, 导致该任务仍然具有挑战性。针对该任务主流框架U-Net中未考虑全局语义依赖关系以及编码器和解码器之间的语义鸿沟问题, 提出了一种同尺度和跨尺度增强的U-Net模型。从两个角度对该模型进行设计: 对于同一尺度的编码-解码层, 一种空间增强的自注意力机制被嵌入到每个编码层中以增强模型的全局空间聚合能力, 并进一步将其拓展到解码端来缓解解码过程中上采样操作带来的信息丢失等问题; 对于不同尺度的编码-解码层, 引入了一种新颖的跨尺度融合模块, 通过动态地选择最深层中丰富的特征信息来增强与其它层之间的语义交互, 从而进一步弥合编码器和解码器之间的语义鸿沟。在DRIVE、CHASE_DB1和STARE三个视网膜标准数据集上进行了实验验证, 实验结果表明I2A-Net能有效地分割出视网膜血管结构, 相比与基线模型, 在各项评价指标上均取得了较高的提升。

乳腺炎是奶牛生产养殖中最为严重的疾病之一, 奶牛乳腺炎的早期检测可以为后续治疗提供依据, 从而提高疾病治疗效率, 降低养殖风险。 为了对自然行走的奶牛实现快速、 高精度的“一步式”乳腺炎疾病检测, 提出了一种基于热红外图像, 融合数据增强与改进ResNet34的奶牛乳腺炎疾病检测方法。 相对于现有的“多步式”奶牛红外图像乳腺炎检测方法, 该方法无需奶牛关键部分如乳房和眼睛的定位以及温度提取等, 可有效避免“多步式”造成的误差累计, 从而实现更高效的乳腺炎检测。 首先, 将包含奶牛关键部位的局部图片水平拼接成信息完整的整体图片, 结合RandAugment数据增强方法扩增训练样本; 其次, 采用ResNet34残差网络作为实验的基础网络, 并根据热红外图像特性对模型进行如下改进: (1)精简网络内部冗余层使得模型更轻量化; (2)中间层添加辅助分类器弥补由于模型精简带来的特征损失; (3)将改进的多融合池化层代替原有单一池化层, 使得特征提取内容更丰富。 随机选取3 298张热红外图像(66头奶牛)作为实验对象, 并设置多组对比实验, 结果表明: 与传统ResNet34相比改进后ResNet34模型分类准确率提高3.4%, 基于改进ResNet34并融合迁移学习和数据增强的模型验证准确率达到90.3%, 测试准确率为88.4%, 分类时间仅需3.39×10-3 s。 为了保证实验数据集的样本独立性, 进一步将奶牛个体数量按照3∶1∶1划分为训练集、 验证集和测试集, 测得模型测试准确率达到80.3%, 证明所提出模型具有很好的鲁棒性。 根据测试结果, 计算出模型查准率为91.2%、 查全率为91.6%、 F1分数为91.4%, 与前人所做实验相比准确率提高了5.1%, 特异度提升5.3%。 该研究方法可以为初期奶牛乳腺疾病筛选和医学诊断提供辅助和参考。

基于光纤光栅的模式耦合理论, 用传输矩阵法对长短周期级联光纤光栅的传输谱特性进行分析。先由耦合模方程分别得到长周期光纤光栅(LPFG)、连接光纤段和短周期光纤光栅 (FBG)的传输矩阵, 然后将它们相乘得到总的传输矩阵, 最后再结合边界条件求得长短周期级联光纤光栅(CLBG)的传输谱。进一步对CLBG的传输谱进行了数值模拟, 并通过实验进行了验证。实验结果表明, CLBG的传输谱中出现了由纤芯模和包层模耦合形成的两个谐振峰, 与模拟计算的结果一致, 证明了传输矩阵法求解CLBG传输谱的可行性, 为CLBG在多参量传感和测量领域的广泛应用提供了理论支持。

基于光纤光栅的模式耦合理论, 采用严格的数学模型, 给出了三层介质长周期光纤光栅(LPFG)的纤芯模和包层模的本征方程, 分析了长周期光纤光栅中的纤芯模式和包层模式的有效折射率随外界环境折射率变化的情形, 以及外界环境折射率变化对长周期光纤光栅谐振波长的影响。通过在长周期光纤光栅外涂覆折射率对外界环境变化敏感响应的特定薄膜可以显著提高其传感测量的灵敏度。研究结果可为长周期光纤光栅传感器结构参数的优化设计和实际应用提供理论支持。

猪的进食、 饮水行为是评价生猪健康程度最直接的依据, 利用计算机视觉技术实时监控生猪的进食、 饮水等状况对提高生猪养殖福利有重要的意义。 提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、 饮水行为识别方法, 该方法在生猪可见光图像序列上构建头颈模型, 结合改进的YOLOv2神经网络实现真实养殖场景中的生猪目标检测, 并利用位置信息对生猪的进食、 饮水行为进行预判断, 对符合判断的图像使用图像处理方法精准判断生猪进食、 饮水行为。 首先在生猪图像序列上构建头颈模型, 利用未被遮挡的头颈作为检测目标, 该模型能有效改善生猪目标检测过程的遮挡问题, 且能够精准定位生猪的头部, 为后续识别进食饮水行为提供辅助。 然后采用国际主流神经网络YOLOv2作为目标检测的基础网络模型, 改进其激活函数, 实现快速精准地生猪目标检测。 在使用网络训练前, 对生猪数据集使用K-means算法进行聚类候选边框, 其mAP值和Recall值相比于最初YOLOv2提高了3.94%和5.3%。 为了增加网络对输入变化或噪声的鲁棒性, 对比使用ReLU, Leaky-ReLU和ELU三个激活函数的性能, 可以发现使用ELU的性能比前两者有明显提高。 将改进后的网络与原YOLOv2, SSD模型以及Faster R-CNN相比, 该模型的mAP值达到90.24%, Recall值达到84.56%, 均优于后三者。 最后利用目标检测得到的生猪头颈位置信息, 对生猪的进食、 饮水行为进行预判断。 当图像中进食、 饮水区域出现生猪时, 对该图进行背景差分法、 形态学运算等处理, 并结合饮水区域停留时间等对生猪的进食、 饮水行为进行更精准判断。 实验表明: 利用该方法判断生猪的进食、 饮水行为, 准确率分别达到94.59%和96.49%, 均优于直接使用传统方法判断的结果, 可应用于实际养殖过程中辅助养殖人员进行生猪管理。

基于光纤光栅复用传感原理, 结合F-P可调谐滤波技术, 采用波分复用与空分复用相结合的方法构建光纤光栅复用传感网络, 并对传感网络中的电源、可调谐滤波器、光电探测器、光开关及传感光纤光栅阵列的组成等进行分析和选择, 提出了结构优化的分布式、大容量光纤光栅传感网络的组网方案。通过在光路中使用F-P标准具和参考光栅对波长值进行标定和校准, 提高了传感系统的测量精度, 为构建大容量、高精度、实时性强的光纤光栅传感系统提供了设计参考。分布式大容量光纤光栅传感网络在多点、多参量和大空间范围传感测量领域具有广阔的应用前景。

基于耦合模理论, 采用三包层光纤光栅模型, 对镀有敏感薄膜的长周期光纤光栅的传感特性进行了分析。当敏感薄膜的光学参数(薄膜折射率和薄膜厚度)发生变化时, 长周期光纤光栅传输谱中谐振峰处的透射率不变, 但谐振峰会发生平移。进一步对薄膜折射率和薄膜厚度对其传感灵敏度的影响进行数值模拟, 得到了结构优化的高灵敏度长周期光纤光栅传感器典型薄膜光学参数值。计算结果表明, 该类型传感器对敏感薄膜折射率的分辨率可达10-9。研究结果为高灵敏度长周期光纤光栅传感器的结构优化及其传感应用提供了理论支持。

Nd,Gd∶CaF₂是一种无序结构晶体,具有光谱宽、热导率高、透射范围大、声子能量低等优势。利用0.5%Nd,8%Gd∶CaF₂晶体作为激光增益介质(百分数为原子数分数),实现了LD抽运的调谐激光输出,激光调谐波长范围为1045.7~1074.2 nm;将半导体可饱和吸收镜作为锁模元件,最终实现了双波长锁模激光输出,锁模激光器的中心波长分别位于1065.45 nm和1066.48 nm。锁模激光器的最大平均输出功率约为394 mW,最小脉冲宽度约为8.37 ps。