课程文献中心 更多>>

关键词： 光纤光栅   应变增敏   桥式位移结构   结构监测  

摘要： 提出了一种基于柔性铰链多级增敏的光纤应变传感器。通过将光纤光栅粘贴在具有桥式位移放大结构的基片上来提高灵敏度。介绍了该传感器的应变增敏原理，理论分析了应变传感器的应变传递模型，基于此理论模型，进行了有限元仿真分析。利用万能试验机对该传感器进行了应变标定实验。为验证该传感器是否可以准确监测结构的应变，进行了混凝土试件的现场拉伸试验。试验结果表明，该传感器具有良好的增敏特性，适用于混凝土结构的实时应变监测。

关键词： 血红蛋白   光谱分析   光纤激光器   可饱和吸收体  

摘要： 血红蛋白检测是临床医学中常见的一项检查,用于评估患者的贫血状况和血红蛋白水平。贫血是一种常见的疾病,其主要特征是血液中血红蛋白含量低于正常水平,导致机体氧运输功能下降,因此血红蛋白检测在贫血的诊断和治疗中具有重要意义。近年来,随着生物技术和光学技术的进步,新型的血红蛋白检测技术不断涌现,如激光透射检测技术、光学免疫分析技术、电化学传感器等。这些新技术具有操作简便、快速准确等优点,为临床诊断和治疗提供了更多的选择。飞秒激光具有极短的脉冲宽度,可以实现高分辨率的成像,并且其能量密度较高,作用时间极短,因此不会造成组织的永久性损伤,对生物样品进行非破坏性检测,实现对血液样品的高灵敏度检测,能够检测到低浓度的血红蛋白,有助于及时了解血红蛋白的状况,针对这一问题设计了一种基于激光光源的生物探测系统,论文研究内容如下: 1.搭建生物探测系统光路,利用光路来测试在不同浓度血液下血红蛋白的吸收强度。为提高检测准确性,减小样品结构损伤,探测光路使用光纤激光器作为系统输入光源,并由平凸透镜、窄带滤波片、二向色镜等元件进行激光信号处理,令稳定飞秒激光透过比色皿采集光谱信号。 2.生物探测系统所需激光光源主要由基于可饱和吸收体（SA）的掺铒光纤激光器提供。对二维材料二硒化锆（ZrSe）和锗（Ge）进行表征测试,分析ZrSe和Ge两种材料形貌特征、结构性质以及纯净度。通过使用液相剥离法制备SA纳米薄膜,并利用“三明治”型结构集成到激光器中。基于ZrSe SA搭建了腔长总长度为47.2 m光纤激光器,获得了最小脉冲宽度为813 fs锁模脉冲;搭建基于不同性能GeSA的激光器:（1）当使用调制深度为9.8%GeSA时,通过调整腔长长度,获得了单双波长锁模脉冲,最小脉冲宽度为847 fs;（2）当使用调制深度为10.5%GeSA时,获得了基频为6.1 MHz的锁模脉冲,通过调节泵浦功率和偏振状态实现了四次、五次谐波锁模现象。通过实验结果说明ZrSe和Ge具备优异的光学特性,满足探测系统光源应用要求。 3.最后将光纤激光器应用于生物探测系统中充当输入光源,在不同浓度样本下成功获得检测强度,利用MATLAB设计了不同滤波算法并对光谱进行平滑处理,通过比较采用傅里叶变换滤波方法能够有效抑制噪声,实现了光谱平滑,最后利用最小二乘法进行线性拟合,结果表明浓度与吸光度呈线性关系,验证了检测系统的性能。

关键词： 深度学习   缺陷检测   YOLOv5   小样本学习   注意力机制  

摘要： 液晶显示屏(Liquid Crystal Display,LCD)是智能终端触摸屏的重要组成部分,LCD存在器质性缺陷将会导致触摸屏无法正常使用。当前的缺陷检测方式以人工和机器视觉的方法为主,然而人工检测的方法强度大、生产效率低且不能实现自动化检测,基于机器视觉的方法虽然能够实现自动化检测但是存在实时性较低、特征提取能力不足以及兼容性差的问题。另外LCD缺陷种类多、缺陷像素占比小以及各类缺陷尺度差异大等问题让部分传统机器视觉的方法不再适用,而且生产线的快速迭代和缺陷样本数据的缺乏也对LCD缺陷检测模型提出来新的要求。因此针对上述问题对基于小样本深度学习的LCD屏缺陷检测系统进行研究。本文的研究内容如下: 首先,根据LCD及其缺陷的特点,搭建了LCD外观缺陷检测和识别系统,该系统主要包括图像采集系统和实时检测系统。图像采集系统包含合适的光源、镜头、相机以及工控机,实时检测系统采用了基于深度学习的目标检测算法YOLOv5,该算法实时性较高能够快速识别和定位缺陷。 然后,针对LCD缺陷种类多、黑点缺陷像素占比小以及划痕缺陷与背景相似的问题,本文构建了LCD缺陷数据集,提出了基于YOLOv5的LCD缺陷检测改进模型YOLOv5-TCB。该模型使用加权双向特征金字塔网络替换原来颈部网络、在主干网络最后一层加入了Transformer模块以及在颈部网络加入了坐标注意力机制。最后实验结果表明该模型在LCD缺陷数据集上达到了95.4%m AP和70FPS的检测速度,与其他检测模型相比拥有更好的性能,满足实际工业生产线的要求。 最后,考虑LCD实际生产线迭代速度快以及缺陷数据匮乏的问题,本文提出了基于小样本学习的LCD缺陷检测模型。该模型以YOLOv5的主干网络为主体,然后通过重加权模块以及激励压缩模块实现小样本数据集下的缺陷检测,该模型使用了元学习的方法,使用两阶段式的训练策略从而避免过拟合的发生。最后基于10shot条件下该算法在LCD缺陷数据集中新类和基类的准确率分别达到了50.6%m AP和78%m AP,为了验证该模型的泛化性同时还使用了DAGM缺陷数据集,同样在10shot条件下新类和基类分别为30.1%m AP和62.9%m AP。两类数据集的实验证明了本文小样本学习模型的检测能力。

关键词： 超快激光   光纤激光   相干合成   高功率激光  

摘要： 以超短脉冲、超高峰值功率为特征的高强度激光为人类提供了前所未有的实验手段和极端物理条件，在先进制造、高次谐波产生、粒子加速、超高速现象研究等重大科技前沿领域中有广泛的应用需求。然而，受热光效应等因素的影响，目前超快超强激光源的平均功率和重复频率难以提升，与相关应用需求尚存量级上的差距。为获得更高平均功率的超快超强激光，研究人员普遍认为多路光纤激光相干合成是同时实现高峰值功率和高平均功率超短脉冲激光的首选方案。从超快超强激光与光纤激光相干合成技术融合发展的角度，梳理了国内外在近年来的研究进展与发展现状，并对我国基于相干合成技术的高功率超快超强激光领域的发展趋势进行了展望。