最新刊期
2026年第41卷第6期
- 摘要：胆甾相液晶中的自组装微结构，如螺旋、位错线、指纹织构及拓扑孤子等，在软物质光子学领域中被广泛研究和应用。其中，微结构的精准构筑与基于外场的动态调控一直是科学家们关注的研究热点。本综述回顾了胆甾相液晶中典型微结构的构筑方法、稳定条件与调控策略的研究进展，总结了利用光场、电场及温度场控制螺旋轴取向和指纹织构演化的技术，介绍了微结构在可调光栅、反射式透镜、全彩显示及微粒操控等领域的应用探索。本文为胆甾相液晶微结构的大范围精确调控与功能化提供了思路，并对其在智能光子学、软体致动器等新兴领域的潜在应用进行了展望，为胆甾相液晶微结构的研究提供新的可能。关键词：胆甾相液晶;螺旋结构;位错;指纹织构;光学应用;拓扑孤子;外场调控398|199|0更新时间：2026-09-12
材料物理
- 摘要：为解决小像素尺寸硅基芯片能量效率低、标量衍射理论计算精度不足的问题，本文围绕硅基芯片能量效率开展精确计算与优化研究。分别采用标量衍射理论与时域有限差分（Finite-Difference Time-Domain，FDTD）方法对硅基芯片的能量效率展开计算，并搭建532 nm激光测试系统进行实验验证。选用TiO2/SiO2材料设计λ/4型多层介质高反膜，通过FDTD仿真分析了膜系周期数、工作波长对能量效率优化规律的影响。研究结果表明，对于当前常见像素尺寸（像素周期2~8 μm）的硅基芯片，采用FDTD方法计算得到的能量效率与实验结果的绝对误差小于1%；镀多层介质膜可以有效提升芯片能量效率，当反射膜周期单元数达到5时，各像素尺寸芯片在450~625 nm波长范围内能量效率均达95%以上。关键词：硅基芯片;衍射效率;能量效率;时域有限差分方法;多层介质高反膜257|165|0更新时间：2026-09-12
-
基于湿气发电机的自供电聚合物分散液晶光栅 AI导读
摘要：液晶器件光电调控中存在用电安全隐患、便携性差的问题，传统供电器件功耗高且依赖外部电源，难以满足其轻量化、自供电需求，亟需安全便携、低功耗且利用可再生能源的供电器件。本研究旨在解决该痛点，探索新型自供电驱动方式，创新性地将湿气发电机（MEGs）与聚合物分散液晶（PDLC）光栅集成，构建自供电聚合物分散液晶（PDLC）光栅系统。选用2 cm×2 cm湿气发电机为供能核心，测试其单片输出性能，通过串并联优化电能输出，实现对PDLC光栅的稳定供电，并以商用信号源为对照测试驱动及衍射性能。单片2 cm×2 cm湿气发电机开路电压为0.76 V、短路电流为0.492 mA，串并联可提升电能输出以满足驱动需求，其驱动稳定性、响应速度与信号源高度等效。在不同供电电压下，PDLC光栅的衍射效率调控规律与商用信号源驱动几乎一致，衍射效率的波动误差控制在5%以内，验证了其供电可靠性。本研究成功实现了以湿气发电机为核心的液晶器件新型供电方式，不仅为PDLC光栅提供了一种绿色、便携的自供电方案，更为各类液晶器件的自供电驱动研究提供了全新的思路与技术参考，对推动液晶器件在柔性电子、便携式光电器件等领域的应用具有重要意义。关键词：聚合物分散液晶光栅;湿气发电机;自供电;便携性214|176|0更新时间：2026-09-12
器件物理及器件制备
- 摘要：随着智能座舱与车载显示技术快速升级，车载偏光片已成为影响显示性能与行车安全的关键光学材料。针对我国车载显示产业快速发展与车载偏光片专用标准缺失的矛盾，本文旨在填补专用标准研究空白，完善标准驱动产业升级的理论框架，解决国产车载偏光片“无标可依、认证难、产业化进程缓慢”的行业痛点，提高产业链自主可控水平。本文立足车载显示全场景应用需求，系统分析了现行标准体系与车载显示产业实际应用间的关键瓶颈，提出了车载偏光片标准架构及主要指标，探索了以标准为驱动的产业规模化应用实施路径。提出了适配车载显示全场景的偏光片技术标准要点，形成落地的产业化应用实施方案。研究成果可为车载偏光片的研发设计、生产制造以及验证评价提供统一的技术依据，通过标准化与产业应用的深度融合，为车载偏光片产业规模化应用提供理论依据与实践指南，对提升我国车载显示关键材料自主保障能力、保障产业链供应链安全稳定、实现高质量发展具有重要理论支撑与工程应用价值。关键词：车载显示;偏光片;标准;规模化应用305|171|0更新时间：2026-09-12
显示技术与应用
- 摘要：针对现有基于PointPillars的改进框架对行人等小目标检测精度不足的问题，提出一种融合稀疏增强与几何注意力的改进方法。首先，在Pillar特征编码阶段引入稀疏Pillar增强机制，填补稀疏区域的几何信息空白，为后续特征增强提供有效素材。其次，设计点感知空间注意力机制嵌入编码流程，基于补全后Pillar的点云密度与点到中心平均距离两类几何特征，通过轻量级MLP生成动态注意力权重，优先放大目标相关Pillar的特征信号，解决传统注意力依赖通道统计、不适配点云特性的缺陷。为验证方法的有效性，在公开KITTI三维目标检测数据集上开展实验，重点评估小目标的检测性能。实验结果表明，相较于现有的基于PointPillars的改进框架，三维模式下的行人目标的平均检测精度提升2.54%，鸟瞰图模式下的行人目标的平均检测精度提升5.91%，充分证明了所提创新模块对小目标特征优化的有效性，为自动驾驶长尾场景的感知任务提供了实用解决方案。关键词：计算机视觉;三维目标检测;注意力机制;点云;激光雷达136|175|0更新时间：2026-09-12
- 摘要：针对无人机航拍道路检测中缺陷尺度差异大、背景干扰强且检测模型复杂度高等问题，本文提出一种基于YOLOv11n的改进检测模型WADW-YOLO。首先，在主干网络中提出C3k2-WC加权卷积模块，通过预定义的中心增强权重矩阵实现卷积核的空间位置加权，在降低模型参数量的同时聚焦缺陷区域特征提取；其次，采用轻量化ADown下采样模块，提升对缺陷细节的保留能力，在主干末端引入DAttention可变形注意力机制，通过自适应调节感受野捕捉全局与局部信息；最后，设计Wise-ShapeIoU损失函数，将Wise-IoU的非单调聚焦机制与ShapeIoU的几何形状约束相结合，提升检测性能。WADW-YOLO在公开数据集China_Drone上的mAP@0.5达到74.6%，相较YOLOv11n提升3.8%，且参数量降低17.8%，计算量减少23.8%，实现了检测精度和模型轻量化的有效平衡。WADW-YOLO在China_MotorBike数据集上的mAP@0.5较YOLOv11n提升了1.8%，展现了WADW-YOLO突出的泛化性能。本文为无人机道路缺陷检测提供了一种高精度、低功耗部署方案的技术参考。关键词：无人机;道路缺陷;YOLOv11n;WADW-YOLO;轻量化231|166|0更新时间：2026-09-12
- 摘要：随着城市智慧交通与自动驾驶的快速推进，复杂路口多目标检测面临小目标易漏检、高速移动目标易产生运动模糊、长距离遮挡识别困难以及难易样本训练失衡等问题，现有算法难以同时兼顾高精度与实时性的双重需求。本文提出基于多重注意力机制融合的双分支交通目标检测算法Madulous。算法以轻量级YOLOv8n为基础，构建双分支并行特征提取框架（DPFE），训练阶段主、辅分支协同进行特征提取；在主干网络的C2F模块嵌入高效多尺度注意力（EMA）模块，实现空间与通道双重注意力校准；在颈部网络引入Swin Transformer模块，辅助算法融合更大范围的上下文信息；重构模型的分类损失函数，基于IoU动态阈值自适应提升困难样本的训练权重。对比实验表明，该算法mAP@0.5达91.5%，较基准YOLOv8n提升2.5个百分点；在EC-R3588SPC边缘平台推理速度达23.9 FPS，在雾天、红外航拍等交通场景下泛化性能显著优于主流算法。Madulous算法实现了检测精度与实时性的良好平衡，可有效支撑路口交通目标的实时监测，为降低车辆及非机动车行驶事故发生率提供了可靠的技术方案。关键词：交通信息工程及控制;神经网络;Transformer;多重注意力;目标检测120|113|0更新时间：2026-09-12
- 摘要：随着智能驾驶和数字孪生技术的快速发展，构建高效、实时的车路协同系统成为研究热点。为此，本文设计了基于改进YOLOv11-OBB-SVDD的数字孪生智能车系统。该系统由物理智能车、虚拟智能车、智能可视化服务、孪生数据和动态实时连接5部分组成。首先，物理智能车搭载视觉传感器实时采集赛道图像，实现自主路径识别；在赛道上方部署工业相机感知智能车在赛道中图像。然后，建立与物理智能车一致的虚拟模型实现虚实映射，利用YOLOv11-OBB检测物理智能车的位置与车身偏转角度；为提高对尺寸较小智能车的检测性能，采用基于频率感知特征融合（FreqFusion）的特征融合方法对模型进行改进。最后，虚拟智能车通过位置与车身偏转角度结合赛道信息，利用支持向量数据描述（SVDD）算法检测车辆偏离赛道风险；通过动态实时连接向物理智能车发送控制信号，智能可视化服务提供智能车可视化动态监控，孪生数据汇聚数字孪生智能车系统多维多尺度数据。实验结果表明，提出的改进YOLOv11-OBB对物理智能车的检测精确率、召回率、IOU阈值为0.5时的平均精度均值分别达到了94.4%、93.0%、92.2%；SVDD检测智能车正常行驶与偏离赛道风险的准确率、查准率、查全率分别达到94.5%、95.4%、93.5%。整个系统实时性高，可以准确实现智能车自主循迹与数字孪生各模块的功能。关键词：数字孪生;智能车;改进YOLOv11-OBB;支持向量数据描述128|189|0更新时间：2026-09-12
- 摘要：种子纯度是决定农民收成与收入的关键因素，而快速精准的品种识别技术则是保障种子纯度的核心。本研究提出基于LED白光成像与YOLOv8模型融合的玉米种子无损检测方法，实验证实该方法兼具快速、高效、高精度和无损等优势。通过搭建优化的LED白光反射成像系统，完成了4个玉米品种共12 008粒种子的图像采集与标注。对比实验显示，YOLOv8m模型的各项核心指标显著优于轻量级YOLOv8s，有效解决了形态相似品种识别精度不足的难题。该模型对4个品种的识别平均精度（AP）、召回率（Recall，R）和F1分数均达99.8%，mAP@0.5值高达99.4%。实时性测试中，YOLOv8m单图处理耗时68.6 ms，满足种子分选系统的低延迟需求。研究还揭示了数据集规模对模型性能的影响规律，证实YOLOv8m在不同规模数据集上均保持卓越的稳定性。本研究为种子品种识别领域提供了一种精确又实用的技术方案。关键词：玉米种子;品种识别;深度学习;YOLOv8137|163|0更新时间：2026-09-12
- 摘要：针对传统目标检测和测距技术存在测距传感器昂贵、复杂路段检测精度低、检测速率慢的问题，本文提出一种基于GGW-YOLOv8的车辆前车距离测量及目标识别技术。该算法对YOLOv8n进行改进，在中目标和大目标检测头前引入全局注意力机制（GAM），通过减少信息损失和放大全局交互提高模型对车辆目标的特征提取能力；在颈端网络引入GSConv轻量化卷积模块，通过深度可分离卷积和混洗操作减少模型参数量和计算量；用WIoU_v3损失函数替换原有的CIoU损失函数，通过非单调动态聚焦机制的梯度增益分配策略提升模型的泛化能力和网络边界框的回归精度；搭建基于SGBM半全局立体匹配算法的双目视觉测距系统进行车辆测距，开发融合车辆目标检测与测距的上位机系统，并将其移植部署到嵌入式边缘设备，开展实车搭载检测。实验结果表明，相较于YOLOv8n模型，本文改进模型参数量下降0.3M，计算量下降0.2G，在自制数据集和公共数据集上，检测精度分别提升0.8%和4.4%；在校内封闭路段，测距结果平均误差的绝对值为104 mm，平均相对误差为1.49%；在真实道路环境，平均误差的绝对值为307.4 mm，平均相对误差为3.29%，平均每帧耗时30.12 ms，可满足实际测距场景下的需求。关键词：车辆目标检测;YOLOv8;双目测距;嵌入式移植部署134|202|0更新时间：2026-09-12
- 摘要：为了解决有雾图像能见度低和去雾图像亮度偏暗问题，提出一种基于对比度和亮度相似度的透射率估算新方法实现图像去雾。首先，根据对比度和亮度相似度构建可微图像质量目标函数，最大化该函数获取透射率的闭合解析解，并使用反馈机制向上修正透射率。然后，提出一种基于暗通道与四叉树分解的候选大气光生成方法，通过选取候选集的次大值增强大气光估计的鲁棒性。最后，使用大气散射模型完成图像复原及亮度增强。实验结果表明，所提算法在多项图像质量评价指标上均优于对照算法。在无参考评价方面，可见边缘梯度比例、饱和像素比例及BRISQUE等指标的均值表现最佳，其中平均梯度比例均值提升不低于11.0%，饱和像素比例平均值降幅不低于30.4%。在全参考评价方面，PSNR均值较同类算法提高不低于9.5%。此外，算法平均运行时间降低不低于12.76%。综合而言，所提算法在有效提升图像能见度和亮度的同时，亦具备良好的计算效率。关键词：亮度相似度;对比度;图像质量函数;暗通道;四叉树算法;反馈机制126|123|0更新时间：2026-09-12
- 摘要：为了解决无人机在目标跟踪任务中存在的复杂干扰、目标遮挡等问题，提出了一种引入注意力机制和目标遮挡判别机制的孪生神经网络目标跟踪算法SiamAL，以及其融合目标检测算法的变体SiamAL-Det。基于SiamDMU算法，首先在主干网络引入注意力机制，同时采用新的激活函数h-swish，提升了复杂干扰条件下的特征表征能力；其次，引入基于卡尔曼滤波的运动先验对目标轨迹进行估计，利用跟踪器置信度联合预测‑观测残差对跟踪状态进行分级判别：在严重遮挡时，自适应提高运动先验权重，从而在遮挡期间保持轨迹连续性；最后设计一种融合检测与跟踪的算法框架来提升实际跟踪效果，在判定跟踪失败或严重漂移时，触发轻量检测分支进行重检测与纠正。在数据集UAV123上，SiamAL以及SiamAL-Det算法的成功率和精确率分别达到了65.3%、86.6%和68.6%、88.8%，相比基准算法SiamDMU分别提升了2.5%、3.7%和5.8%、5.9%。与多种主流基于孪生网络的跟踪算法对比，成功率和精确率表现更优，表明提出的方法在无人机航拍场景中具有良好的应用前景。关键词：无人机航拍;孪生目标跟踪;注意力机制;卡尔曼滤波176|164|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