凝视型非制冷红外热像仪的优化设计

概述了凝视型非制冷热像仪作用距离估算的几种模型及其特点.采用NVTherm分析了320×240凝视型非制冷热像仪的调制传递函数、最小可分辨温差和探测距离.分析结果表小F/#、减小像元间距都能够改善凝视型非制冷热像仪的性能,增加作用距离.外场试验结果与NVTherm的仿真值符合得比较好,表明可以利用NVTherm对凝视型非制冷红外热像仪的设计过程进行优化,并能缩短设计周期.     

红外热像仪测试系统的研制与精度验证

目前红外测试能力的建设主要依靠进1：2,设备价格昂贵、供货周期长、维修困难。自主研发的红外测试系统,采用T型离轴折返式平行光管减小杂散红外辐射的影响,采用多帧平均算法减小随机噪声的影响,采用黑体、靶标轮和平行光管的一体化结构设计减小环境温度对平行光管焦距变化的影响,提高了测试精度。红外测试系统软件采用通用化架构和模块化编程技术,扩展性好。该系统与某美国进口的红外测试系统对比,红外热像仪NETD测试结果的偏差小于20％。测试过程和测试配置可自动化,大大提高了批量测试效率。测试系统成本低,性能与国外同类产品相当,性价比高,具有广阔的市场前景。     

高精度非致冷长波红外热像仪的辐射标定

为使非致冷长波红外热像仪在不同温度下保持较高的测温精度,建立了考虑探测器工作温度效应的非致冷长波红外热像仪的辐射标定模型。对非致冷长波红外热像仪进行辐射标定实验,在不同黑体温度和不同亮度增益值条件下,获得了16组图像灰度与探测器工作温度之间的函数关系,建立了目标温度的数学计算模型,并对定标结果进行了实验验证。结果表明：在25～40℃,探测器的工作温度效应可做线性化处理,且与目标温度无关。通过设定合适的亮度增益值可使红外热像仪的测温误差〈0.5℃,极大地提高了非致冷长波红外热像仪在不同温度环境下的测温精度。     

轻量化超宽温度折/衍混合红外热像仪光学系统设计

设计一个用于红外热像仪的轻量化超宽温中波折/衍混合红外热像仪光学系统。光学系统参数:工作波段为3.7 m～4.8 m,相对孔径为1/2,焦距为120 mm,全视场角为5.18,满足100 %冷光栏效率。采用三片式结构,使用硅和锗两种常用的红外材料,以及一个非球面和一个衍射面,系统实现了轻量化和超宽温度下工作。系统在-60℃～160℃温度范围内成像质量接近衍射极限,可供像元尺寸为30 m、像元数256256的凝视型中波红外探测器使用,可探测到2.3 km远的坦克目标。     

目标表面发射率对红外热像仪测温精度的影响

介绍了红外热像仪测温原理,分析了影响红外热像仪测温精度的因素,计算了不同表面发射率下红外热像仪的测温误差曲线。理论分析表明,目标表面发射率越高,红外热像仪测温精度越高。实验改变表面发射率的设置,计算了不同表面发射率对应的总辐射亮度,得到TP8型长波红外热像仪能够精确测温时,目标表面发射率必须大于0.5的结果。最后,对表面发射率分别为0.96、0.93和0.3的3种材料进行实际测温,结果表明,材料表面发射率较高时,红外热像仪具有较好的测温精度。     

红外热像仪参数的双黑体测量装置

对红外热像仪参数双黑体测量装置的工作原理进行了介绍。装置采用双黑体及反射型靶标为温差辐射源，可实现黑体温度温差准直辐射的定期校准和红外热像仪参数测量量值的溯源，也可实现红外热像仪参数的可控性，以及对它进行稳定的、可复现的精确测量。推导出利用红外热像仪参数双黑体测量装置测量信号传递函数SiTF数学模型，分析了红外热像仪参数测量装置的客观因素——仪器常数，针对仪器常数对SiTF测量的影响进行了试验。试验结果表明，仪器常数对红外热像仪SiTF参数测量精度影响较大，并同时影响时域与空域NETD及3D噪声的准确测量。     

目标表面发射率对红外热像仪测温精度的影响

介绍了红外热像仪测温原理,分析了影响红外热像仪测温精度的因素,计算了不同表面发射率下红外热像仪的测温误差曲线。理论分析表明,目标表面发射率越高,红外热像仪测温精度越高。实验改变表面发射率的设置,计算了不同表面发射率对应的总辐射亮度,得到TP8型长波红外热像仪能够精确测温时,目标表面发射率必须大于0.5的结果。最后,对表面发射率分别为0.96、0.93和0.3的3种材料进行实际测温,结果表明,材料表面发射率较高时,红外热像仪具有较好的测温精度。     

手持红外热像仪自动对焦电路的设计与实现

自动对焦可以快速、准确地将镜头调节到最佳位置,但目前该方式在算法和电路设计上还不够成熟,制约了它的应用。通过优化电路设计,选用TMS320VC5509A、FIFO和串口FLASH等低功耗、小尺寸封装芯片组成低功耗自动对焦电路,并基于Sobel算子的Tenengrad的改进图像边缘能量评价函数,采用可变窗口、合适的阈值,配合粗调（定步长）和精调（可变步长）搜索算法,设计实现了一种手持红外热像仪快速、准确地自动对焦的电路。实验结果表明,该方法高效可行,不仅能实现手持红外热像仪对目标的快速捕获,并能降低操作强度。     

BP神经网络在大学物理实验中的应用

以验证马吕斯定律实验为例,介绍了BP神经网络在大学物理实验中的应用,并在M atlab环境下通过训练和仿真实现了曲线的拟合.     

红外热像仪在纵向涡强化传热研究中的应用

应用红外热像仪对水介质中HP-LVG4和HP-S背面温度场进行了拍摄,结果表明在加热功率密度基本相当时,HP-LVG4内壁温平均值相对于HP-S降低了18.1%;在平均内壁温基本相当时,HP-LVG4的加热功率密度比HP-S提高了29.3%.以上结果说明,红外热像仪可以较好地应用在纵向涡强化传热研究中.     

基于可见光光谱和BP人工神经网络的冬小麦生物量估算研究

建立基于冬小麦冠层图像分析获取的冠层覆盖度和色彩指数的地上部生物量估算模型,以促进作物冠层图像分析技术和BP神经网络技术在冬小麦长势无损监测中的应用。六个施氮水平的田间试验条件下,在冬小麦拔节期,分四次采集冬小麦冠层图像,同步进行破坏性取样,测定冬小麦地上部生物量;分析了通过图像分析软件(利用微软Visual Basic软件开发)获取的冠层覆盖度和10种色彩指数与冬小麦地上部生物量的相关关系,以逐步回归和BP神经网络方法建立了冬小麦地上部生物量估算模型。结果表明,冬小麦地上部生物量与冠层覆盖度、饱和度和红光亮度值呈显著相关,其中,与冠层覆盖度间的相关性最强,且除亮度外,冠层覆盖度、色彩指数与地上部生物量间呈非线性相关。通过BP神经网络方法构建的模型相对于逐步回归模型,显著提高了冬小麦地上部生物量估算精度,均方根误差(RMSE)、相对均方根误差(RRMSE)更小,决定系数(R2)更大。     

基于图像处理的模拟尾流气泡幕分类识别

提出了一种应用数字图像处理技术对模拟尾流气泡幕分类识别的新方法.文章介绍了BP神经网络的基本结构及其工作原理,通过仿真测试了BP神经网络对模拟尾流气泡幕图像的模式分类.应用灰度图像统计矩法得到了均值﹑归一化系数﹑三阶矩﹑一致性和熵等特征量,设定神经网络学习率为0.1时经过14次循环可以达到训练目标误差为0.001,此时网络对不同压强下的尾流气泡幕分类正确率到达100%.这种方法在处理尾流图像时具有直观、高效、精确等特点,易于应用于对尾流探测、识别等工程技术中.     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

基于SFLA优化BP神经网络的语音信号分类

BP神经网络是一种多层前馈网络,数据经过网络的输入层、隐含层逐层处理后,由输出层进行输出,通过和期望输出的对比进行反向传播,调整网络参数使输出不断逼近期望输出;在使用BP神经网络对语音特征信号进行分类的过程中,会出现BP神经网络易陷入局部最优解、学习收敛速度慢的问题;针对此问题提出一种基于SFLA优化BP神经网络权值和阀值的方法,引入SFLA算法优化网络权值和阀值,利用SFLA优化后的BP网络模型进行语音特征信号分类;仿真结果表明,经SFLA优化后的BP神经网络与未优化的神经网络相比,不仅训练速度快, 而且误差小,语音特征信号分类的正确率平均提高1.31%。     

基于BP神经网络的弗兰克-赫兹实验曲线拟合

BP神经网络通过调整连接权重便可按预定精确度逼近非线性函数,利用这一特点可对非线性函数关系进行拟合.利用BP神经网络对弗兰克-赫兹实验数据进行处理,结果显示该方法处理结果精度高,拟合效果好.     

基于BP神经网络的智能轮胎标签仿真研究

轮胎中植入的RFID标签,可以长时间的很好的存储轮胎的型号、胎压、出厂日期等信息。RFID标签在空气中的阅读距离可以达到很大的距离,但是一旦植入轮胎中,很容易受到轮胎中的金属层和炭黑等电介质的影响,导致读取距离下降。所以,需要寻找合适的方法来预测不同RFID标签情况下的阅读器读取距离,就显得尤为重要了。 为了更加快捷方便的研究两者之间的关系,在天线长度、轮胎的介电常数、与钢丝层的距离都变化的情况下,利用FEKO电磁仿真软件建立了不同情况下的天线,并仿真得到反射系数S_11,然后利用弗林斯传输方程（Friis）计算得到仿真读取距离。MATLAB中有可供调用的神经网络工具箱,利用MATLAB强大的数据处理能力,建立BP神经网络预测模型,从而建立起标签天线长度、轮胎中标签与钢丝层的距离、轮胎介电常数和已得到的仿真读取距离之间的BP神经网络模型。实际测量值与训练后得到的预测仿真值在误差允许的范围内可以认定为实际测量距离。 因此,可以通过建立BP神经网络模型的方法,快速方便的在一定精度范围内预测阅读器的阅读距离。     

基于BP神经网络的红外焦平面非均匀性校正技术

在传统BP神经网络非均匀性校正理论的基础上,结合红外焦平面阵列读出通道的时变特性,提出一种新的输出期望估计方法.该方法利用当前像素邻域和读出通道估计输出期望值.实验表明,算法能有效抑制焦平面固定图案噪音,提高场景目标的分辨能力,达到较好的视觉效果.     

基于多级BP神经网络的无线电罗盘多故障诊断研究

【】本文针对过拟合现象提出了基于提前停止法的学习率可变BP算法,运用多级BP神经网络诊断思想,提出了基于多级BP神经网络的多故障诊断方法。文中根据BP神经网络改进算法和网络撕裂法,对具体的机载无线电罗盘测向电路建模仿真,将复杂的无线电罗盘电路分解为3个子网络,并对每个子网络建立合适的故障集,快速准确诊断得出电路中的故障模块。     

基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

基于可见光谱与轻量级卷积神经网络的冬小麦分蘖数估算

分蘖数是表征冬小麦生长的关键性参数,对于冬小麦苗情监测、产量预估具有重要意义。针对目前冬小麦分蘖数估算方法存在的数据获取繁复和估算模型体量大的问题,提出一种基于可见光图像和轻量级卷积神经网络的冬小麦分蘖数估算方法,以期实现冬小麦分蘖数无损快速估算,并且可嵌入移动终端设备。可见光图像具有获取便捷,处理简单的特点,利用数码相机连续采集2017年—2018年和2018年—2019年两个生长季的冬小麦冠层可见光图像。利用该数据图像,分别构建基于轻量级卷积神经网络MobileNetV2,SqueezeNett,ShuffleNet的冬小麦分蘖数估算模型进行比较试验,并与基于非轻量级卷积神经网络AlexNet和ResNet系列构建的估算模型进行对比试验。开展冬小麦分蘖数估算模型针对不同植株密度数据的鲁棒性以及针对不同生长季数据的泛化能力的验证试验。结果表明,基于MobileNetV2构建的冬小麦分蘖数估算模型的决定系数（R2）为0.7,归一化均方根误差（NRMSE）为0.2,在三个轻量级卷积神经网络中具有最优表现;基于非轻量级卷积神经网络构建的冬小麦分蘖数估算模型体积是基于MobileNetV2构建的冬小麦分蘖数估算模型的2.3~16.1倍。与非轻量级卷积神经网络相比较,基于MobileNetV2构建的估算模型在具有较好R2的同时有较小的体量,适宜嵌入移动终端设备;针对120,270和420 株·m-2三个不同植株密度的可见光图像数据集,基于MobileNetV2构建的冬小麦分蘖数估算模型的R2分别为0.8,0.8和0.7,表现鲁棒;针对两个生长季的可见光图像,基于MobileNetV2构建的冬小麦分蘖数估算模型通过迁移学习将R2提升了2倍,NRMSE下降了7.6%,表现出对数据季节性差异较好的适应性,体现了模型的泛化能力。利用可见光图像,基于MobileNetV2构建的估算模型能够满足冬小麦分蘖数估算需求,为冬小麦生长观测以及田间农艺措施管理决策提供了一个准确、鲁棒、可嵌入移动终端设备的工具。