最新刊期
2026年第41卷第2期
- 摘要：蓝相液晶具有许多优异的光学特性，如快速的响应速度（亚毫秒量级）、可见光范围的布拉格反射、光学各向同性等，同时聚合物稳定蓝相液晶极大地扩展了其温度范围，使得蓝相液晶在电光器件领域有着广泛的应用前景。然而，聚合作用中光致异构化会扰乱液晶分子的排列，使原本取向均匀的蓝相液晶缺陷增加，晶格质量下降。本文研究了温度控制对聚合作用中光致异构化和晶格结构的影响，测试了聚合前后蓝相液晶的晶格常数与温度变化之间的关系。根据温度特性，在3个温度区间进行聚合，研究了不同温度下的晶格结构。实验结果表明，聚合物的加入促使液晶蓝相Ⅰ的晶格常数在整个温度区间内发生非连续性的约40 nm的跃变。避免在温域的中间段进行聚合可以有效防止晶格结构畸变和光谱展宽。关键词：聚合物稳定蓝相液晶;晶格结构;温度控制339|301|2更新时间：2026-09-12
材料物理
- 摘要：本文研究了碳量子点（Carbon Quantum Dots，CQDs）纳米材料掺杂对聚合物分散液晶（Polymer Dispersed Liquid Crystal，PDLC）复合材料的形貌结构、极化机制及荧光调控效果的影响。基于PDLC薄膜的微观形貌结构，分析其对液晶微滴尺寸的影响。通过介电测量数据及Cole-Cole图，研究该复合薄膜在不同频率下CQDs诱导的非德拜弛豫极化过程，同时分析CQDs掺杂对弛豫时间、弛豫分布参数的影响。研究了两者对薄膜电光性能的影响。在CQDs质量分数与曝光强度的协同调控下，研究了PDLC的介电特性与散射性能对薄膜荧光性能的影响。实验结果表明，当CQDs掺杂质量分数为0.2%时，与未掺杂的PDLC样品相比，PDLC复合薄膜的弛豫时间降低56%，阈值电压和饱和电压分别降低19.9%和11.8%，开关态响应时间分别从32 ms和50 ms降低到10 ms；当曝光强度从30 mW/cm2降低到1 mW/cm2时，PDLC的荧光强度峰值提升约130%。有效实现了电光性能与荧光特性的协同提升，为开发PDLC复合材料提供了有价值的参考。关键词：聚合物分散液晶;碳量子点;介电特性;荧光391|438|2更新时间：2026-09-12
- 摘要：交叉型液晶偏振体光栅（PVG）二维扩瞳光波导因其结构紧凑和制备便捷性（干涉曝光无需动态调角）成为AR显示的研究热点。然而，其用于AR显示的视场角（FOV）受到双波导堆叠技术方案的限制。为提升此类波导的视场角，本文提出一种基于单层高折射率玻璃基板（n=1.9）并在其正反双面集成左手、右手手性PVG的光波导架构。其中，耦入端和耦出端左右手性光栅倒格矢的水平方位夹角分别为0°和60°。入射光经PVG的偏振选择性被分束为两条全内反射路径；当耦入和耦出光栅对光提供的合倒格矢为0时被部分耦出，并形成完整的二维扩展光瞳。我们基于光栅衍射方程和玻璃折射率推导了视角中心为波导垂直方向时对应的PVG光栅周期，并通过COMSOL仿真验证了532 nm准直光垂直入射的耦入机制。实验制备的样机实现出瞳光栅尺寸28 mm × 22 mm，视场角达水平32.8°、垂直18.7°、对角线37.8°，对角线视场角较前期研究提升26%。该设计通过在基板双面直接制备PVG光栅，省去了传统胶合工艺，避免了折射率匹配胶水和基底材料的严苛选择需求，显著简化了制备流程并有效降低了制造成本。该方案还利用高折射率基板显著增大了FOV，同时提升了成像质量，为AR头戴近眼显示提供了一种具有前景的高性能方案。关键词：液晶偏振体全息光栅;视场角;二维扩瞳;光波导AR显示;液晶光学827|592|0更新时间：2026-09-12
- 摘要：谱域光学相干层析成像（SD-OCT）系统具有非侵入性、微米级实时检测的优点。为扩展其应用范围，使其适用于多层结构工业产品的测量，需要对SD-OCT系统性能进行优化。首先，本文采用ZEMAX优化样品臂场镜参数，通过调整镜片曲率、焦距及光路布局降低像差，并设计适配的扫描镜头以扩展检测范围。然后，优化光谱仪参数，通过选取合适的透镜与光栅，调整光路布局与器件的倾角提升光谱分辨率与成像深度。最后，采用MATLAB建立系统的轴向分辨率仿真模型，模拟系统轴向分辨率，并开展多层样本结构的层析成像模拟实验。结果表明，优化后的SD-OCT系统综合性能显著提升，横向分辨率提升至20 µm，同时实现了34 mm×34 mm大范围扫描；成像深度提升至 2.44 mm，可有效穿透多层工业结构；轴向分辨率经仿真验证为6.40 µm，且仿真结果与理论计算值高度吻合，成功实现了多层样本结构层析成像模拟。所提出的优化设计SD-OCT系统的方法，对于其在其他领域的应用具有很好的参考价值和促进作用。关键词：ZEMAX;谱域光学相干层析成像;分辨率;成像深度;光谱仪282|242|0更新时间：2026-09-12
器件物理及器件制备
- 摘要：液晶屏表面缺陷会影响外观并降低可靠性，且存在尺度跨度大、背景复杂、小目标难检测等问题。本文基于轻量的YOLOv8n提出了一种液晶屏缺陷检测算法FFD-YOLO。该算法引入FasterNet主干网络以提升特征提取能力；设计特征金字塔共享卷积模块FPSC，通过多膨胀率卷积与共享卷积机制增强多尺度特征建模能力；提出多尺度自适应卷积模块MACM，利用动态卷积权重与多尺度卷积核融合强化小目标特征表达与复杂背景下的稳定性。实验结果表明，在自建工业级LCD-NET数据集上，FFD-YOLO的精度（Precision）、召回率（Recall）和mAP50分别较基线模型提升5.0%、4.7%和3.2%，其中污渍类小目标检测精度提升达6.4%。证明FFD-YOLO 在保持轻量化的同时可显著提升液晶屏缺陷检测性能，为工业视觉检测系统提供了一种高效、可靠的解决方案。关键词：液晶屏;缺陷检测;特征金字塔共享卷积;多尺度自适应卷积;YOLOv8344|417|1更新时间：2026-09-12
- 摘要：在复杂天气与动态场景下，小目标检测易受到雾霾干扰和特征弱化的影响，现有方法在实时性和鲁棒性方面仍存在不足。为此，本文旨在构建一种兼具高效性与强鲁棒性的检测模型，以提升雾天小目标检测性能。本文提出基于 Mamba-Transformer的混合状态空间检测网络HS-MambaDet。首先设计融合隐藏状态压缩与状态空间建模的HSM-SSD骨干结构以降低计算复杂度；随后引入包含高频感知模块与空间依赖感知模块的多尺度频空融合器（MFSF），强化小目标的细节表达与空间上下文建模。整体框架采用CNN、Transformer与Mamba的混合架构，分别实现局部特征提取、全局上下文建模与线性递归结构的高效结合。在RTTS与CityScapes数据集上的大量实验表明，HS-MambaDet在精度与效率上均优于当前主流模型。完整模型在RTTS上的预测精度为87.3%、召回率为73.1%、mAP@0.5为81.2%、mAP@（0.5~0.95）为51.0%，分别较对比模型最高提升3.8%、3.9%、3.6%和3.3%；同时推理时间为0.26 s，保持了良好的实时性。此外，在小目标场景中，本模型的mAP@0.5提升最多达4.4%，并在跨雾强度测试中表现出更强的泛化能力。HS-MambaDet通过引入高效的隐藏状态压缩机制与多尺度频空融合结构，有效增强了雾天条件下对小目标的细节感知和空间建模能力，在检测精度、鲁棒性与推理效率上均取得显著优势，为动态恶劣环境中的实时目标检测提供了一种可行且高效的解决方案。关键词：目标检测;Mamba;高频感知;融合隐藏状态压缩193|408|0更新时间：2026-09-12
- 摘要：由于简易精神状态检查（CMMSE）量表中“三步指令”的人工评分存在评分者间及自身内部差异，且过程耗时，提出一种基于MLC-YOLO的目标检测方法，旨在实现该动作的自动精准检测。首先，对人体关键部位和纸张进行多级分类目标检测，采用同类极大置信度选择简化后处理，保证同类目标的唯一性；其次，设计自适应空间信道解耦模块，实现高效降采样；然后，在C3中引入幽灵卷积和小波变换，提升多尺度特征提取的效率与能力；最后，针对小目标检测层，引入空间和通道协同注意力，提高复杂场景下的准确率与召回率。实验结果表明：该方法的mAP95达61.8%，较原模型提升5.6%，参数量减少51.52%，证明了方法的有效性，为目标唯一和多级分类的目标检测问题提供了新思路，为MMSE中的“三步指令”的自动评分提供有效的目标检测方法。关键词：深度学习;目标检测;多级分类;轻量化网络239|331|0更新时间：2026-09-12
- 摘要：针对现有检测模型对无人机影像中目标、特别是小目标检测不充分的问题，本文提出一种轻量化小目标检测模型PRSU-YOLO。首先，设计风车结构卷积自适应模块，增强对细微特征的提取能力；其次，构建重参数化空间-通道卷积模块，通过动态特征重建优化多尺度表征；再次，在颈部网络中嵌入小目标检测增强分支，构建高分辨率细节特征的强化路径；最后，引入尺度动态交并比损失函数，使模型能够自适应地调整边界框回归策略。本文模型在计算复杂度仅增加14.6 GFLOPS的基础上，在VisDrone2019数据集上的mAP@0.5达到37.4%，较基线模型提升4.4%；在TinyPerson数据集上的精确率达到34.5%，提升3.5%。实验结果表明，该模型在显著提升检测能力的同时，有效控制了计算成本，为无人机对地观测场景下的目标检测任务提供了有效的解决方案。关键词：计算机视觉;无人机影像;小目标检测;特征增强345|2649|1更新时间：2026-09-12
- 摘要：针对风机叶片表面缺陷人工检测效率低、现有深度学习方法环境适应性弱及多类型缺陷检测性能不足的问题，提出一种基于深度学习的无人机航拍三阶段智能检测方法，以实现高效、精准的缺陷识别。首先，从航拍视频中均匀抽帧，采用改进的EfficientNetV2-S网络实现损伤叶片初筛（准确率87.5%）；然后，利用高斯混合聚类算法筛选典型损伤帧以压缩冗余数据；最后，基于集成Transformer模块与动态锚点策略的YOLO-v11网络完成缺陷精确检测。此外，构建包含剥落、裂纹等缺陷的15 000幅图像数据集用于方法验证。实验结果表明，该方法单帧检测召回率达88.4%、精度达71.5%，视频级检测召回率提升至95.0%、精度达86.4%，显著优于对比方法；可有效识别裂纹、剥落等缺陷，突破复杂环境地形限制，实现全叶片覆盖检测。所提方法解决了小目标与环境干扰难题，性能稳定，检测精度高，为风电智能化运维提供了有力支持。关键词：风机叶片表面缺陷;无人机巡检;高斯混合聚类模型;YOLO-v11;EfficientNetV2547|389|0更新时间：2026-09-12
- 摘要：针对现有图像超分辨率算法计算成本高昂、局部高频纹理的感知有限以及关键信息挖掘不充分的问题，本文提出了一种基于高频融合注意力的轻量化图像超分辨率重建网络。首先，在网络结构中设计了双路径增强模块，用于将特征显式解耦为高频和低频两个并行分支。低频分支用于捕获平滑结构，高频分支应用拉普拉斯算子初始化的可学习高通滤波器来准确提取边缘和纹理。其次，提出了空间细化模块，利用方向分离的卷积对局部特征进行增强，输出具有丰富空间信息的查询（Query）。最后，设计了一种高效的非对称频率感知注意力机制，用于获得局部信息和全局信息之间的有效交互。该机制以空间细化模块输出的局部信息为查询，在全局范围内动态检索互补信息，有效解决了局部窗口对长程依赖的限制。在Urban100数据集上的实验表明，算法在×4放大尺度下相较于其他模型PSNR平均提升0.53 dB，SSIM平均提升0.014 7，并且运行时间仅为SwinIR的14%。在图像重建视觉质量方面，模型可以生成更清晰的边缘和更逼真的纹理，充分验证了模型在保持轻量化的同时，在图像重建过程中的有效性和先进性。关键词：图像处理;超分辨率重建;注意力机制;特征融合;轻量级326|206|0更新时间：2026-09-12
-
遮挡场景下基于烟雾特征的火灾源点定位 AI导读
摘要：在火灾监测中，火源常因建筑物或设备遮挡而不可直接观测，传统依赖明火亮度或纹理的定位方法在此情况下难以发挥作用。为解决这一问题，本文提出一种基于烟雾特征的火灾源点估计方法。首先，利用轻量化TANet网络对视频帧进行像素级烟雾浓度预测，构建连续稳定的浓度场，为后续运动分析提供基础信息。随后，采用Farneback稠密光流提取烟雾运动特征，结合烟雾在连续帧中方向一致性和空间平滑性的特点，获得全局稠密速度场。针对烟雾形态复杂、光照变化大以及光流噪声干扰问题，本文对RANSAC算法进行了改进，引入多重一致性筛选和密度聚类，将烟雾反向运动的收敛点作为潜在火源位置进行估计。同时，为应对高遮挡导致底部烟雾运动结构缺失的情况，提出多行光流联合反推策略，通过采集不同层次的光流信息，进一步增强源点反推的稳定性与鲁棒性。实验结果表明，该方法在低至中等遮挡条件下的归一化误差低于2%，在高遮挡条件下经优化后仍可稳定控制在约3%，能够在复杂可见性环境中实现可靠的火源定位。关键词：烟雾浓度识别;稠密光流;改进RANSAC;火灾源点定位;遮挡场景314|193|0更新时间：2026-09-12 -
基于ViT与联合优化策略的医学图像分割 AI导读
摘要：细胞分割是生物医学影像分析的基本任务，在病理诊断和细胞生物学中具有重要应用价值。精确的细胞核分割对疾病筛查、肿瘤微环境分析和治疗方案制定至关重要。然而，组织图像中细胞形态高度异质、重叠频繁，加之噪声与照明不均，显著增加了自动分割的难度。尽管传统与深度学习方法已获进展，但在细胞重叠、边界模糊等复杂条件下仍面临明显局限。为此，本文提出一种基于视觉变换器（VisionTransformer，ViT）的NucleiViT模型，通过结合特征联合优化、注意机制优化与区域边界感知损失函数的设计，实现细胞精准检测及分割。该模型的核心创新在于结合滑动窗口膨胀注意力机制，在共享模块中实现不同任务分支的特征交互，最大化多任务学习优势；同时引入联合边界区域感知损失函数，增强对细胞边界的识别灵敏度。实验结果表明，NucleiViT在细胞分割精度和计算效率上均优于现有主流方法，尤其在细胞密集重叠场景中表现出更优的鲁棒性，有效服务于临床病理图像分析。关键词：细胞分割;多任务联合优化;边界感知损失;神经网络258|282|0更新时间：2026-09-12
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