最新刊期
2025年第40卷第3期
-
基于导电层与取向层的多层减反射膜的设计 AI导读
“在液晶器件领域，专家提出了基于导电层与取向层的多层减反射膜设计方法，实现了高透过率，为高能量利用率、高稳定性液晶器件提供解决方案。”摘要：导电层与取向层是液晶器件中最为常见且重要的膜层结构。两种膜层位于基板与液晶之间，并由于折射率不匹配会导致膜层透过率下降，降低液晶器件的光能利用率。针对这一问题，本文提出一种基于导电层与取向层的多层减反射膜设计方法，将导电层与取向层作为膜层体系中的一环来实现高透过率。首先，构建了基于导电层与取向层的多层减反射膜物理模型；然后，基于该模型在理论上设计了相应的膜层结构，以实现膜层的高透过率；最后，系统研究了液晶加电过程对膜层透过率的影响规律。结果表明：设计所获得的减反射膜在500~800 nm波段内透过率保持在99%以上，在400~500 nm波段内维持在96%以上；驱动液晶会导致膜层透过率下降，以液晶混合折射率为设计基础，能够将透过率下降幅度减小到0.35%以内。本研究将有利于实现高能量利用率、高稳定性的液晶器件。关键词：导电层;取向层;减反射膜62|47|0更新时间：2025-03-06 -
基于液晶高分子波导的等功率分束器 AI导读
“科技媒体新闻记者报道：研究者开发出基于液晶高分子薄膜的等功率分束器，实现光的并行传输与等功率分配，为光计算和光通信等领域提供新解决方案。”摘要：本文提出一种基于液晶高分子薄膜的等功率分束器，通过多角度偏振图案化光取向精准操控液晶分子二维平面内的取向，设计并制备了基于Y型功率分束器模型的1×2等功率分束器。通过优化弯曲波导的半径，开发了分束间距分别为80 μm和160 μm两种分束器，并进一步将二者集联，构建了分束间距均等的1×4等功率分束器。实验结果表明，所设计的分束器在液晶波导中实现了光的并行传输与等功率分配，为液晶波导器件的功能拓展提供了有效解决方案。该研究为液晶高分子波导的集成化与小型化发展开辟了新路径，具有广泛应用于光计算和光通信等领域的潜力。关键词：液晶高分子;波导;等功率分束;光取向36|26|0更新时间：2025-03-06 -
可调谐太赫兹液晶超表面 AI导读
“在太赫兹技术领域，液晶超表面的研究取得进展，展示了对太赫兹波振幅、频率、相位和偏振态的动态调控能力，将推动太赫兹在成像、通信和传感领域中的应用。”摘要：超表面极大地丰富了光与物质的相互作用，促进了平面光学的发展。近年来，随着太赫兹（THz）技术的快速发展，动态可调谐太赫兹器件得到了广泛研究。液晶（Liquid Crystal， LC）是一种独特的软物质，兼具液体的流动性和晶体的各向异性，是显示和空间光调制中不可或缺的材料。液晶与超表面集成可以实现动态太赫兹器件。本文从3方面综述了太赫兹液晶超表面的研究进展：液晶平面太赫兹器件、液晶集成金属超表面及液晶集成电介质超表面，介绍了制备液晶微结构及液晶集成金属或电介质超表面的相关技术，展示了液晶超表面器件对电场、磁场、热和光等外部刺激的优异响应性，利用外场实现了对太赫兹波振幅、频率、相位和偏振态的动态调控。可调太赫兹液晶超表面将显著推动太赫兹在成像、通信和传感领域中的应用。关键词：液晶;超表面;太赫兹;可调谐器件34|36|0更新时间：2025-03-06 - “在聚合物分散液晶薄膜领域，研究人员通过聚合诱导相分离技术制备PDLC薄膜，发现聚合单体EOHDDA、IBOMA、4-HBA制备的PDLC薄膜视角电光性能最佳，满足实际应用需求。”摘要：聚合物分散液晶（PDLC）薄膜的视角电光性能对其在实际应用中的观感效果具有显著影响。为优化PDLC薄膜的视角性能，缩小其侧视角与正视角雾度差值，改善人们的实际观感，本文从聚合单体的角度出发，对PDLC薄膜的视角电光特性展开研究，深入探究影响PDLC薄膜视角性能的因素。采用聚合诱导相分离（Polymerization Induced Phase Separation， PIPS）技术制备PDLC薄膜，借助雾度计测量由双官能团聚合单体、甲基类功能型聚合单体、羟基类功能型聚合单体制成的PDLC薄膜的视角雾度值，并计算PDLC薄膜正视角雾度与侧视角雾度的差值。实验结果显示，烷基链长度适宜、与液晶折射率（no）相匹配且位阻较小的聚合单体EOHDDA、IBOMA、4-HBA所制备的PDLC薄膜，其侧视角与正视角雾度差值（ΔH）最小，为2.66%；由此制得的宽视角型PDLC薄膜电光性能最佳、视角差值最小、视觉效果最优，能够满足实际应用需求。关键词：聚合物分散液晶;聚合单体;视角性能;折射率41|23|0更新时间：2025-03-06
-
光学膜对LED背光光色变化的影响 AI导读
“科技媒体新闻记者报道，最新研究显示，Mini LED背光显示产品通过光学扩散板和复合膜实现亮度和均匀性提升，复合膜显著改变背光色坐标和亮度参数。”摘要：Mini LED背光显示产品使用光学扩散板和复合膜进行亮度提升和均匀性提升，光学膜将大幅改变背光的色坐标和亮度参数。本文测试结果表明，复合膜亮度增益在1.5~2倍，亮度增益排序为POP>DPP>MOP>DOP。经分析这是由于不同复合膜对光束立体角的矫正作用引起，即光学微结构对杂散光收集能量大于扩散剂散射产生的能量耗损。同时复合膜大幅提高了背光色坐标，其中扩散板+DPP色坐标变化Δx为0.01，Δy为0.018 7，这是由于扩散粒子的Mie散射使短波段蓝光的光辐射能大幅耗损。对于量子点显示，从多层光学微结构反射回量子膜的蓝光将产生多重光致激发现象，使复合膜对xy色坐标值的增幅进一步加大。光学复合膜产生的亮度增益和色温降低有利于显示产品在出厂时将色温调到低色温从而保证显示亮度。关键词：次微发光二极管;光学膜;散射;折反射;颜色坐标55|74|0更新时间：2025-03-06 - “在液晶屏Mura缺陷检测领域，研究人员提出了基于改进YOLOv8n的YOLO-D3MNet模型，有效提升了检测精度，为解决Mura缺陷检测问题提供新方案。”摘要：针对液晶屏Mura缺陷检测中因对比度低和尺度差异多样而导致的检测精度不足的问题，从提升模型对小尺度缺陷和微弱缺陷检测性能的角度，提出了一种基于改进YOLOv8n的液晶屏Mura缺陷检测模型YOLO-D3MNet。首先，通过引入ConvNeXtv2模块重构模型的主干网络和颈部网络，提高模型在复杂纹理背景下的微弱特征提取能力；其次，针对检测头模块特征信息跨通道交流不足的问题，提出了一种结合通道混洗策略和深度可分离卷积的高效解耦头，促进不同特征通道之间的信息流动，降低模型的算力需求；最后，针对基于预测框和真值框的交并比度量对小尺度缺陷的位置偏差敏感的问题，引入归一化高斯Wasserstein距离损失函数，提供更多的正样本候选框，从而提高模型对Mura缺陷的检测性能。改进后的YOLO-D3MNet模型的准确率、召回率和mAP50分别为92.9%、88.8%和94.8%。相较于基础模型YOLOv8n，YOLO-D3MNet模型的准确率、召回率和mAP50分别提高了3.4%、2.7%和3.6%，同时模型的GFLOPs降低了24.7%。与YOLOv5n等主流目标检测模型相比，本文提出的YOLO-D3MNet模型在液晶屏Mura缺陷检测方面具有更好的性能。关键词：Mura缺陷;液晶屏;目标检测;深度学习;微弱特征54|38|0更新时间：2025-03-06
器件物理及器件制备
-
基于CNN的异构FPGA硬件加速器设计 AI导读
“在硬件设计领域，专家提出了一种基于SoC的异构嵌入式系统设计，有效提升了CNN网络的功率效率，为节能高效硬件设计提供新方案。”摘要：受硬件平台算力以及存储资源的限制，利用嵌入式系统实现节能且高效的卷积神经网络（CNN）仍然是硬件设计人员面临的主要挑战。基于此，本文提出一种使用现场可编程门阵列片上系统（SoC）实现的异构嵌入式系统的完整设计。该设计采用了一种可级联的输入复用结构，同时在单个DSP中执行两个独立的乘法累加操作，在减少外部存储器的访问、提升系统效率的同时降低了功耗，相较于其他方案，其功率效率提升38.7%以上。该设计（框架）最终被成功部署于低成本设备上的大规模CNN网络，极大提升了网络模型的功率效率，基于ZYNQ XC7Z045设备上实现的功率效率甚至可达102 Gops/W。此外，当利用该框架进行VGG-16模型推断卷积层时，帧率可达10.9 fps，充分表明该设计在功率受限的环境中可以有效加速卷积神经网络的推理。关键词：硬件加速;卷积神经网络;FPGA;异构SoC29|180|0更新时间：2025-03-06
电路设计
-
类别级多目标刚体6D位姿估计方法 AI导读
“在6D位姿估计领域，本研究提出了一种单阶段多目标网络架构，有效提升了遮挡物体场景下的位姿估计性能，为多目标位姿估计提供了新解决方案。”摘要：为解决传统方法采用单一对象CNN模型的扩展性差、通用性低及计算成本高的问题，以及优化多目标方法的性能，本文提出一种面向多目标6D位姿估计的单阶段网络架构，设计一种多分支特征提取解码器，有效地捕捉并聚合细节特征。本文提出特征优化与筛选模块，该模块对输入特征进行筛选以提取多尺度特征。以上两者结合，设计一种新的特征金字塔结构，提升网络的整体性能，提升对遮挡情况的位姿估计效果。实验在合成数据集LINEMOD及Occluded LINEMOD上进行。结果显示，本文方法在处理遮挡物体场景时取得了较显著的提升，与PyraPose、SD-Pose和CASAPose等现有最先进方法相比，本文方法在ADD/S-Recall指标上分别提高了43.1%、16.1%和12%。在目标数量较少时表现更佳，目标数量为4个时，性能提升17%。消融实验进一步验证了各模块的有效性。本文提出的单阶段多目标网络架构通过引入多分支特征提取解码器、特征优化与筛选模块以及特征金字塔结构，仅需训练一个网络即可处理任意数量的目标，在合成数据条件下，可以更好地完成6D位姿估计。实验结果验证了本文方法的有效性。关键词：6D位姿估计;多目标单阶段网络;多分支特征提取解码器;特征选择;合成数据49|188|0更新时间：2025-03-06 - “在无人机航拍图像目标检测领域，提出了一种新方法，有效提升了轻量级目标检测模型性能。”摘要：针对无人机航拍图像中目标尺度不一、密度不一、细节不清，尤其小目标众多所导致的漏检和误检问题，提出一种基于自适应切片辅助推理的目标检测新方法。该方法首先将航拍图像输入目标检测网络进行初次推理，设计一种窗口得分机制来根据初次推理结果定位输入图像中的不确定目标，并自动选择有效的图像区域进行切片以适应不同尺度和密度的目标。接着将切片图像送入目标检测网络进行二次推理。最后对两次推理结果执行改进的非极大值抑制处理得到最终检测结果。在典型的VisDrone2019和AI-TOD数据集上的实验结果表明，本文方法提升了包括YOLOv7-tiny、YOLOv8n、YOLOv8s及YOLOv9-C在内的典型轻量级目标检测模型的mAP指标，有效提高了航拍图像目标检测性能。关键词：小目标检测;自适应切片辅助推理;不确定目标定位;非极大值抑制41|78|0更新时间：2025-03-06
- “在水下图像增强领域，研究者提出了基于Retinex的可变注意力框架，有效提升低照度图像清晰度，为水下视觉研究提供新方向。”摘要：针对低照度水下图像增强任务存在光照不足和水下散射引起的复杂退化问题，提出了一种基于Retinex的可变注意力低照度水下图像增强框架。设计了光照引导的可变注意力模块，利用亮度特征图提供的语义信息帮助增强暗区域，提高模型的自适应增强能力。构建了空频域特征融合模块，通过多尺度特征提取和不同层次间的特征融合，提升图像纹理信息的显著性。引入介质传输模块，进一步解决增强过程中水下散射引起的图像伪影。实验结果表明，本文方法相较其他前沿方法在4种客观指标上均有显著提升，PSNR达到22.781 8，SSIM达到0.882 1，UCIQE达到0.614 6，UIQM达到3.365 9。增强后的图像视觉质量出色，验证了该算法提升水下低照度图像清晰度的有效性。关键词：水下图像增强;低照度;Retinex;可变注意力68|220|0更新时间：2025-03-06
-
面向模型和室内外点云的高效配准算法 AI导读
“在点云配准领域，研究者提出了一种高效算法，显著提升了配准精度和效率，为不同场景下的应用提供了解决方案。”摘要：针对现有点云配准算法对不同场景的点云进行配准时存在适用性弱、鲁棒性差及配准效率低下等问题，本文提出面向模型和室内外点云的高效配准算法。首先，采用体素网格滤波对点云进行下采样，并使用内部形态描述子（ISS）提取点云特征。然后，由快速点特征直方图（FPFH）对特征点进行特征描述，采用随机采样一致性（RANSAC）算法对点云进行粗配准。最后，通过图形处理器（GPU）并行加速的体素化广义迭代最近点（VGICP）算法实现精配准。实验结果表明，在含有噪声点的三维模型、室内及低重叠率室外点云中，本文算法在达到较高配准精度的同时仅耗时0.118 s、0.306 s和0.648 s。相比于现有的配准算法，配准效率提高了79.12%、82.41%和88.28%。本文算法在不同的应用场景下均具有较高的配准精度和配准效率，且适用性更强、鲁棒性更高。关键词：点云配准;随机采样一致性;图形处理器;体素化广义迭代最近点48|93|0更新时间：2025-03-06 - “在行人检测领域，研究者提出了基于优化权重的YOLOv7算法，有效提升了密集人群中的检测精度。”摘要：针对自然复杂场景中行人拥挤和相互遮挡，导致检测精度不佳的问题，提出了一种基于优化权重的YOLOv7密集行人检测算法。首先，针对遮挡行人特征提取问题，利用跨空间高效多尺度注意力机制（Efficient Multi-Scale Attention Module with Cross-Spatial Learning，EMA）重新分配主干网络的权重，并跨维度学习不同通道特征之间的相关性，以增强模型对行人目标可见区域的关注。其次，针对检测模型复杂性较高的问题，设计了高效轻量化连接模块（Efficient Lightweight Connection Module，ELCM），旨在提升模型表达能力的同时加快训练速度。最后，构建了聚焦边界框损失函数Focal-SIoU loss，该损失函数注重抑制低质量样本，同时添加角度损失提高模型的检测精度。实验结果表明，所提算法在行人检测数据集Wider-Person与Crowd Human数据集上的均值平均精度分别达到83.7%和82.6%，相比其他先进的算法，在密集拥挤人群检测任务中有显著检测优势。关键词：密集行人检测;优化权重;聚焦边界框损失函数;YOLOv767|106|0更新时间：2025-03-06
-
基于多尺度上下文提取的小样本野生动物检测 AI导读
“在野生动物检测领域，MS-FSWD算法通过多尺度上下文提取和原型校准模块，有效提升了小样本数据集的检测精度。”摘要：针对野生动物数据集样本量小、目标尺度多变所导致的野生动物检测困难以及检测精度低等问题，提出一种基于多尺度上下文提取的小样本野生动物检测（MS-FSWD）算法。首先，通过多尺度上下文提取模块增强模型对不同尺度的野生动物的感知能力，提高检测性能；其次，引入Res2Net作为原型校准模块的强分类网络对分类器输出的分类分数进行校正；然后，在RPN中加入置换注意力机制，增强目标区域的特征图，弱化背景信息；最后，将平衡L1损失作为定位损失函数，提升目标定位性能。实验结果表明，相比DeFRCN算法，MS-FSWD在小样本野生动物数据集FSWA上，1-shot和3-shot检测任务中新类AP50分别提升了9.9%和6.6%；在公共数据集PASCAL VOC上，MS-FSWD最高提升了12.6%。与VFA算法相比，在PASCAL VOC数据集Novel Set 3的10-shot任务中，新类AP50提升了3.3%。关键词：小样本目标检测;野生动物检测;迁移学习;多尺度上下文提取;注意力机制55|149|0更新时间：2025-03-06
图像处理
- 地址：长春市东南湖大路3888号 邮编：130033
- 联系电话：0431-86176059 Email：yjxs@ciomp.ac.cn
- 本系统由Light学术出版中心、北京北大方正电子有限公司共建 吉ICP备11002662号-17
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0