1 青岛理工大学土木工程学院，山东 青岛 266033
2 清华大学土木工程系，建筑材料所，北京 100084
3 同济大学材料科学与工程学院，上海 200092
4 河海大学土木与交通学院，南京 210098
5 哈尔滨工业大学土木工程学院，哈尔滨 150090
水泥水化过程决定水泥基材料强度、耐久性等诸多性能，深入理解水泥水化机理具有重要的科学意义和工程价值。本工作回顾了硅酸盐水泥水化动力学模型的最新研究进展，评述了GEMS热力学计算、HymoStruc3D和CEMHY3D等水化数值模拟方法及其局限性，总结了准弹性中子散射和核磁共振等先进测试手段在研究水泥水化过程中水态演变和孔结构发展中的具体应用，提出了该领域未来研究的趋势和挑战。
水泥水化 数值模拟 水态演变 准弹性中子散射 核磁共振 cement hydration numerical simulation water state evolution quasi-elastic neutron scattering nuclear magnetic resonance
随着计算机技术的发展，基于深度学习的目标跟踪方法已成为计算机视觉领域中重要的研究方向；但跟踪环境的复杂多变使得跟踪算法在背景干扰、颜色相近等问题上仍面临巨大挑战。相比于传统彩色图像，高光谱图像包含丰富的辐射、空间和光谱信息，能够有效提升目标跟踪的准确率。提出了将注意力机制（attention mechanism）和加性角度间隔损失（additive angular margin loss, AAML）相结合的方法来进行针对高光谱图像的目标跟踪。通过融合多域神经网络对不同波段组合进行特征提取，同时设计了融合的注意力机制模型，使得来自不同波段组合之间的相似特征进行整合和强化，在目标背景颜色相近的情况下，网络会更多地注意目标物体，使得跟踪结果更为准确。在此基础上为了使目标和背景的区分更具有判别性，网络使用加性角度间隔损失作为损失函数，在训练过程中可以有效减小同类样本的类内距离，增大正负类样本的类间距离，从而提高网络的准确性和稳定性。实验结果表明，本文方法可使两种跟踪精度评价指标精确率和成功率分别提升1.3%和0.3%，相较于其他方法更具优势。
华东理工大学信息科学与工程学院, 上海 200237
基于深度学习的目标检测方法是当前计算机视觉领域的研究热点,但在小目标的检测问题上,基于深度学习的检测器存在较多的漏检。高光谱图像的每个像元包含了物质的光谱信息,能够提升小目标的检测率。然而,高光谱图像的相邻波段相关性高,需要从中选取具备代表性的波段以降低计算冗余。为此,提出了一种高光谱小目标检测模型,使用径向基激活函数(RBAF)进行光谱筛选与目标检测。具体而言,针对高光谱图像波段冗余的特点,利用RBAF设计注意力机制进行光谱维的特征筛选;针对小目标纹理模糊,相对于背景不显著的特点,先对输入图像进行分辨率重建,随后利用RBAF构建径向基目标输出子网络(RBOON),以加强目标分类。为了简化模型,将光谱筛选与分辨率重建整合为注意力分辨率重建子网络(ABRRN),配合径RBOON,检测模型能够筛选特定光谱,抑制虚警,从而提高小目标检测的正确率。高光谱小目标检测实验表明,本研究方法可以使两种检测精度评价指标AP50和AP50:95分别提升5.4%和0.2%,相较其他方法更具备优势。
机器视觉 图像检测系统 高光谱图像 目标检测 径向基函数 注意力机制 光学学报
2021, 41(23): 2311001
华东理工大学 信息科学与工程学院，上海 200237
对场景中的物体进行深度估计是无人驾驶领域中的关键问题，红外图像有利于在光线不佳的情况下解决深度估计问题。针对红外图像纹理不清晰与边缘信息不丰富的特点，提出了将注意力机制与图卷积神经网络相结合来解决单目红外图像深度估计问题。首先，在深度估计问题中，图像中每个像素点的深度信息不仅与其周围像素点的深度信息相关，还需考虑更大范围的其他像素点的深度信息，采用注意力机制可以针对这一点有效提取图像的像素级全局深度信息关联。其次，基于深度信息关联得到的特征可以考虑为非欧数据，进一步使用图卷积神经网络（graph convolutional neural network, GCN）来进行推理。最后，在训练阶段将连续的深度估计回归问题转化成分类问题，使训练过程更稳定，降低了网络的学习难度。实验结果表明，该方法在红外数据集NUST-SR上获得了良好的效果，在阈值指标小于1.253时，准确率提升了1.2%，相较其他方法更具优势。
红外图像 深度估计 注意力机制 图卷积神经网络 infrared images depth estimation attention mechanism graph convolutional neural network
华东理工大学 信息科学与工程学院，上海 200237
深度估计是传统的计算机视觉任务，在理解三维场景中起着至关重要的作用。基于单目图像的深度估计任务的困难在于如何提取图像特征中大范围依赖的上下文信息，提出了自适应的上下文聚合网络（adaptive context aggregation network，ACANet）用于解决该问题。该方法基于有监督的自注意力模型(supervised self-attention，SSA)，能够自适应地学习任意像素之间的具有任务特性的相似性以模拟连续的上下文信息，并通过模型学习的注意力权重分布用来聚合提取的图像特征。将单目深度估计任务设计为像素级的多分类问题，经过设计的注意力损失函数减少RGB图像和深度图的语义不一致性，通过生成的像素级注意力权重对由位置索引的特征进行全局池化。最后提出一种软性有序推理算法（soft ordinal inference，SOI），充分利用网络的预测置信度，将离散的深度标签转化为平滑连续的深度图，并且提高了准确率（rmse下降了3%）。在公开的单目深度估计基准数据集NYU Depth V2上的实验结果表明：rmse指标为0.490，阈值指标为82.8%，取得了较好的结果，证明了本文提出的算法的优越性。
深度估计 注意力模型 上下文信息 软推理 depth estimation attention model context information soft inference
采用水热法合成纳米Co0.5Zn0.5Fe2O4粉体，并借助X射线衍射仪(XRD)、透射电子显微镜(TEM)、矢量网络分析仪(VNA)研究工艺条件(晶化温度、晶化时间)对Co0.5Zn0.5Fe2O4物相、形貌及吸波性能的影响。结果表明，当晶化时间为8 h、晶化温度为180 ℃时制备出纯相的尖晶石结构的纳米Co0.5Zn0.5Fe2O4，样品形貌为类球形，平均粒径为10~15 nm。在1~18 GHz频段内，样品在16.47 GHz处的反射率达到-33.9 dB，吸波性能最好。
钴锌铁氧体 水热法 晶化温度 晶化时间 吸波性能 cobalt-zinc ferrite hydrothermal method crystallization temperature crystallization time absorption performance
华东理工大学信息科学与工程学院，上海 200237
对单目红外图像进行深度估计，不仅有利于 3D场景理解，而且有助于进一步推广和开发夜间视觉应用。针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点，本文提出一种新颖的深度条件随机场网络学习模型( deep conditional random field network, DCRFN)来估计红外图像的深度。首先，与传统条件随机场( conditional random field, CRF)模型不同， DCRFN不需预设成对特征，可通过一个浅层网络架构提取和优化模型 的成对特征。其次，将传统单目图像深度回归问题转换为分类问题，在损失函数中考虑不同标签的有序信息，不仅加快了网络的收敛速度，而且有助于获得更优的解。最后，本文在 DCRFN损失函数层计算不同空间尺度的成 对项，使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富。实验结果表明，本文提出的方法在红外数据集上优于现有的深度估计方法，在局部场景变化的预测中更加平滑。
红外图像 深度估计 条件 随机场 有序约束 infrared image, depth estimation, conditional ran
以天然鳞片石墨为原料制备氧化石墨(GO), 应用水热法制备钴锌铁氧体(Co0.5Zn0.5Fe2O4), 并将两者制备成石墨烯(rGO)/Co0.5Zn0.5Fe2O4复合材料。采用X射线衍射(XRD)、拉曼光谱(Raman)、红外光谱(FT-IR)研究rGO/Co0.5Zn0.5Fe2O4的结构; 应用透射电子显微镜(TEM)和矢量网络分析仪(VNA)研究不同复合比例对rGO/Co0.5Zn0.5Fe2O4复合材料形貌、电磁损耗特性、德拜弛豫模型及电磁响应行为的影响。结果表明: 复合反应后的GO在XRD图谱中主衍射峰由2θ=9.74°变化为2θ=24.15°, 且红外光谱图中显示含氧官能团消失, 均说明GO成功还原为rGO。透射电子显微镜图中可以看到Co0.5Zn0.5Fe2O4嵌布在rGO上。复合反应过程中, 当钴锌铁氧体的含量增大, 分散性逐渐减弱。Co0.5Zn0.5Fe2O4与GO质量比为2 : 1时制备的rGO/Co0.5Zn0.5Fe2O4复合材料的吸波性能最佳, 在15.11 GHz处反射率达到最小值-36.89 dB, 有效吸波频带宽为3.74。
石墨烯 复合材料 钴锌铁氧体 电磁行为 氧化石墨烯 graphene composite materials cobalt-zinc ferrite electromagnetic behavior graphene oxide
中国船舶重工集团公司第七一八研究所，河北 邯郸 056027
综合考虑调制深度、调谐率、自由光谱范围、走离角等各项因素，设计了一组Lyot型双折射滤波片，由三块厚度相同的白宝石晶体构成，每个滤波片厚度为9 mm，三块滤波片同光轴方向平行放置。为减小光在滤波片表面的反射损耗，光以布儒斯特角入射透过滤波片组。通过设计光轴与晶体表面的夹角为63°，绕其面法线旋转滤波片组，可以实现从3.6~4.3 μm不同波长的可调谐输出。考虑到滤波片的加工误差和入射角度的调节偏差，分别对不同光轴倾角和入射角度进行了计算，可以通过旋转双折射滤波片组实现输出波长的校正。Lyot型双折射滤波片插入损耗小，使用简单，操作方便，有较好的调谐和选频作用，对于研究DF化学激光器众多谱线中的单支或者多支有着十分重要的意义。
DF化学激光器 双折射滤波片 选频 DF光谱 DF chemical laser birefringent filters spectrum-selecting DF spectrum 红外与激光工程
2019, 48(9): 0905006
