最新刊期
-
硅基芯片能量效率的分析与优化研究 AI导读
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，开展硅基芯片能量效率的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0|0|0更新时间：2026-06-16 - 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，首先在骨干网络中引入了注意力机制，同时采用了新的激活函数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0|0|0更新时间：2026-06-16
- 摘要：针对传统目标检测和测距技术的测距传感器昂贵、复杂路段检测精度低、检测速率慢的问题，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GAM全局注意力机制，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，并移植部署到嵌入式边缘设备上进行实车搭载检测。实验结果表明，本文改进模型较YOLOv8n模型在参数量上下降0.3M，计算量上下降0.2G，在自制数据集和公共数据集分别有0.8%和4.4%的精度提升；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，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，能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0|0|0更新时间：2026-06-16
- 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复原以及增亮图像。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低不低于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2|0|0更新时间：2026-06-16
- 摘要：针对现有的基于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17|7|0更新时间：2026-05-29
- 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（AR）和F1分数均达99.8%，平均mAP@0.5值高达99.4%。实时性测试中，YOLOv8m单图处理耗时68.6毫秒，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。这项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;YOLOv815|6|0更新时间：2026-05-29
-
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PDLC光栅系统。选用2×2 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2×2 cm湿气发电机开路电压0.76 V、短路电流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，且在不同供电电压下，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。本研究成功提出并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26|7|0更新时间：2026-05-29 - 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来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37|6|0更新时间：2026-05-29
- 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五部分组成。首先物理智能车可以通过视觉传感器实时采集赛道图像，实现自主路径识别，并在赛道上方部署工业相机感知智能车在赛道中的图像；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，为了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）检测是否有偏离赛道风险，并通过动态实时连接向物理智能车发送控制信号，同时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、查全率达到了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个模块的功能。关键词：数字孪生;智能车;改进YOLOv11_OBB;支持向量数据描述17|8|0更新时间：2026-05-29
- 摘要：针对高光谱图像分类中局部纹理与边缘细节易损失、卷积分支感受野受限以及图分支跨层结构信息利用不足等问题，本文提出一种高低频增强与跨层图卷积聚合的卷积-图卷积联合分类模型。该方法通过高低频残差增强提升输入特征质量，在卷积分支中利用多阶段动态卷积编码提取多尺度空间-光谱特征，在图卷积分支中采用跨层图特征加权聚合增强区域结构建模能力，并通过跨分支注意力融合实现两路特征的协同建模。实验在Indian Pines、Pavia University和Salinas 3个公开数据集上进行，总体分类精度分别达到92.94%、95.11%和97.50%，对应Kappa系数分别为91.94%、93.50%和97.22%。结果表明，所提方法能够兼顾局部细节、空间上下文和区域拓扑结构信息，在不同类型高光谱分类场景下具有较好的综合分类性能。关键词：高光谱图像分类;空间-光谱联合特征;图卷积网络;注意力融合157|144|0更新时间：2026-04-15
-
目标语义分层驱动的红外和可见光图像融合 AI导读
摘要：红外和可见光图像融合旨在保留不同模态的互补特征以实现对复杂场景的鲁棒感知，在安防监控、军事侦察、自动驾驶等众多领域都有着至关重要的应用价值。但现有的图像融合算法侧重增强图像的视觉效果，导致关键语义信息在融合过程中未被有效保留，进而影响了融合图像在高级视觉任务中的应用效果。虽然现有方法尝试将融合任务与高级视觉任务（分割，检测等）级联，但这种顺序连接对语义信息的增强作用有限。为了兼顾视觉效果和下游任务，本文提出了一种目标语义分层驱动的红外和可见光图像融合网络SDFusion。首先采用共享特征编码器对红外与可见光图像进行多层级跨模态特征提取，然后通过图像融合解码器与语义分割解码器的并行协同优化，同时将编码特征分层注入到解码特征以增强特征表示，实现融合特征与语义特征的联合建模。在融合性能上，通过实验表明，与传统方法相比本方法在五个客观评价指标EN，SD，MI，VIFF， - 摘要：针对地质勘探中钻孔内壁图像拼接时易受成像光照条件、探头扰动、深度或方位角信息缺失等多因素影响的问题，提出了一种多干扰成像条件下的钻孔内壁图像鲁棒拼接方法。首先采用带条件约束的图像映射方法将钻孔内壁图像的特定采样区域展开，以获得成像光源干扰下可有效用于拼接的窄带图像；接着利用钻孔视频图像的固有特性，采用ROI区域配准策略实现了在探头旋转扰动、深度和方位角信息缺失的情况下对展开的钻孔窄带图像进行精确配准，同时采用网格匹配策略提高了配准速度；最后根据配准结果采用逐行动态加权的图像融合方法消除拼接痕迹，进一步优化了拼接结果图像的质量。通过对不同地质条件下的仿真图像进行实验，本文方法的性能指标SSIM平均值为71.39%、PSNR平均值为26.74、配准精度平均值为92.38%，均优于对比方法；通过对不同钻孔视频的真实图像进行实验，本文方法所得拼接结果的客观评价指标EN、SF、AG、MI和QMI等均得以提升。关键词：图像拼接;图像配准;图像融合;钻孔内壁图像196|355|0更新时间：2025-02-25
- 摘要：锰（Mn2+）离子掺杂的全无机CsPbCl3钙钛矿量子点具有独特的光学特性和纳米级颗粒尺寸，在Mini/Micro-LED显示器件中具有巨大的应用潜力。然而，当前CsPbCl3：Mn2+钙钛矿量子点的荧光量子效率较低，无法满足实际应用需求。针对此问题，本文采用热注入法制备了钾（K+）离子和Mn2+离子共掺杂的CsPbCl3钙钛矿量子点，合成的CsPbCl3：（K+， Mn2+）钙钛矿量子点具有双光发射特性，其发光主要来源于钙钛矿激子和掺杂的Mn2+离子。通过优化K+离子的掺杂浓度，CsPbCl3：（K+， Mn2+）钙钛矿量子点的荧光量子效率从原始的16.5%提高到了66.2%。同时研究了K+离子掺杂对CsPbCl3：Mn2+钙钛矿量子点荧光性能的调控机制。研究结果表明，K+离子的掺杂能够有效抑制CsPbCl3：（K+， Mn 2+）钙钛矿量子点中本征缺陷态以及Mn-Mn二聚体或Mn相关缺陷态，进而增强了量子点中载流子的辐射复合发光。得益于异质离子掺杂的调控策略，此类掺杂型钙钛矿量子点有望应用于Mini/Micro-LED显示领域。关键词：CsPbCl3：Mn2+钙钛矿量子点;K+离子掺杂;双光发射;荧光量子效率222|319|0更新时间：2024-09-04
- 摘要：聚合物分散液晶（PDLC）膜是微米尺寸的液晶微滴嵌入连续聚合物基体中形成的薄膜。利用点击化学方法制备PDLC可避免传统光聚合诱导相分离法造成的染料分解等问题。本研究用四种不同烷基链长度的聚乙二醇二丙烯酸酯（PEGDA）作为原料，利用硫醇-烯点击化学反应和硫醇-异氰酸酯偶联反应合成了PDLC膜，研究烯烃单体的烷基链长度对PDLC膜电光性能的影响。结果表明，随着体系中烯烃烷基链长度增加，阈值电压（Vth）、饱和电压（Vsat）和对比度（CR）下降，但关态透光率（Toff）和开态透光率（Ton）上升。通过选用烷基链长度适当的烯烃可以制得综合电光性能良好的PDLC膜。关键词：聚合物分散液晶;点击化学;单体烷基链长度;电光性能347|350|0更新时间：2024-09-04
- 摘要：虚拟现实技术在很多领域都有着巨大的应用潜力，全景相机是实现虚拟现实的重要工具之一。针对支架等遮挡物对720°全景相机底部图像造成遮挡的问题，本文提出了一种基于分步拍摄的消除底部支架遮挡方法。通过对侧面、顶部一次拍摄和对底部两次拍摄消除底部遮挡。在此基础上，针对侧面、顶部、底部图像亮度不一致问题进行了优化。基于全局的匀色算法会导致不同区域的图像互相影响，造成匀色结果的偏差。因此提出了一种基于区域生长法图像分割的Wallis匀色算法。实验结果表明，本文方法能够消除底部图像遮挡；使用本文算法匀色，图像颜色差异较使用基于全局算法减小59.3%。关键词：全景相机;全景图像拼接;匀色算法168|320|0更新时间：2024-09-04
-
-
- 摘要：针对大场景、大视场图像应用和一般图像拼接算法速度慢的问题，采用了基于离线标定的快速图像拼接算法。在实际应用中多台相机位置固定，采用离线标定计算出图像拼接的单应性矩阵，实时拼接中直接加载该矩阵进行计算，从而省去了大量的特征提取和配准时间。在快速图像对齐的基础上，提出了一种基于YUV色彩空间的拉普拉斯金字塔的快速图像融合算法，并且相对传统拉普拉斯金字塔融合算法有更好的融合效果和更快的速度。实验结果表明，文章算法的图像融合速度是传统传统拉普拉斯图像融合的3倍。满足应用场景中实时图像拼接速度需求，具有良好的图像拼接效果。关键词：图像拼接;全景监控;特征提取;图像融合324|499|0更新时间：2022-11-07
- 摘要：为解决图像去雾后颜色偏暗以及去雾不彻底等问题，本文提出了一种基于多尺度融合卷积神经网络的图像去雾算法。以有雾图像为输入，首先经过预处理模块由单尺度卷积层提取有雾图像浅层信息，然后设计多尺度映射模块实现深度特征学习以及深、浅层特征融合，由反卷积模块还原图像尺寸，通过卷积操作得到有雾图像对应的粗透射率图。采用双边滤波法优化输出细透射率图，最后依据大气散射模型复原出无雾图像。实验结果表明：本文方法在合成有雾图像和自然有雾图像上均优于其他算法，其中合成有雾图像上的峰值信噪比（PSNR）、结构相似性（SSIM）能分别达到29.238、0.950。本文所提算法可以有效地避免去雾图像颜色偏暗、失真等不足，提高了图像去雾性能并体现出良好的视觉效果。关键词：图像去雾;卷积神经网络;多尺度融合;图像复原;大气散射模型266|261|0更新时间：2022-11-07
- 摘要：现今，Micro-LED的发展被认为是世界上发展最快的显示技术之一，它在可见光通信应用、大型平板显示、虚拟现实及可穿戴显示、电视和照明、光遗传学和神经界面的光源等各个领域中应用广泛。尽管发展前景光明，但Micro-LED仍面临一些技术问题需要解决，以实现大规模商业化，主要技术问题包括提高长波长LED效率、提高低电流密度下的效率、全色彩方案、巨量转移、缺陷与良率管控、修复技术和成本控制。在这篇综述中，我们重点阐述了Micro-LED面临的不同挑战及其最佳解决方案。关键词：Micro-LED;显示技术;LED效率;巨量转移;III族氮化物611|1638|0更新时间：2022-11-07
- 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