细菌视紫红质膜快速光开关的实验研究

建立了“脉冲激光－连续探测光－连续擦除光”的实验系统。在532nm的调Q脉冲激发光和不同波长的连续探测光作用下，研究了细菌视紫红质（BR）膜的光循环过程中的快速响应特性及各中间态的快速光吸收特性。观察到了微秒量级的快速光开关现象，并分析了激发光脉冲作用结束时，各中间态上细菌视紫红质分子的分布。     

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

基于智能手机和Matlab的居家悬滴法表面张力测量实验

本文基于智能手机和Matlab软件设计了一种居家环境下可实现的悬滴法水滴表面张力测量实验.借助智能手机拍照功能获得水滴图像,利用Matlab进行边缘检测及计算,从而得出表面张力系数.对于不同清晰度的情况提出了对应的分析和处理方法,实验结果表明该方法稳定可靠.为后疫情时代开展居家大学物理实验教学提供了一个典型案例.     

基于有限元的钢丝绳漏磁检测定量仿真分析

漏磁检测法是钢丝绳无损检测中的常用方法.基于漏磁检测基本原理和三维磁偶极子模型,本文利用B_y-B_z图实现了对钢丝绳直观的在线检测,运用有限元仿真的方法,得到了不同长度、宽度、深度缺陷的漏磁特点,构建了B_y-B_z图中漏磁圆与缺陷程度之间的定量关系,讨论了钢丝绳内、外缺陷产生的漏磁场的区别,并进行了实验验证,以期为钢丝绳损伤的定量识别以及内外缺陷的判定提供新思路.     

B型套筒角焊缝缺陷相控阵超声检测定量方法

B型套筒修复作为油气管道修复的主要方式之一,在其修复的焊接过程中,该结构的环形角焊缝内部常常出现以气孔、夹渣为代表的孔型缺陷。这类缺陷由于角焊缝特殊的结构,在利用相控阵超声无损检测技术对其检测时,难以对其进行定量分析。通过数值模拟和实验,发现通过相控阵超声扇扫得到缺陷回波信号峰值与孔型缺陷直径呈正相关,为孔型缺陷的定量分析提供了一种可靠的手段。     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

改进的Faster-RCNN算法在聚乙烯管接头内部缺陷检测中的应用

超声相控阵技术是目前聚乙烯管道热熔接头内部缺陷检测的一种主流方法。提出了基于注意力机制的改进Faster-RCNN目标检测网络用于超声相控阵D扫图聚乙烯管接头内部缺陷检测。针对聚乙烯管道热熔接头内部超声相控阵D扫图小缺陷较多、特征信息容易丢失的问题,将残差网络(ResNet50)与特征金字塔网络(FPN)相结合作为骨干网络,并引入卷积注意力模块(CBAM)自适应细化特征。将SSD网络框架和Faster-RCNN网络框架用于模型训练和测试,使用VGG16、ResNet50、ResNet50+FPN、ACBM+ResNet50+FPN作为骨干网络依次对超声相控阵聚乙烯管道热熔对接接头内部缺陷样本进行训练对比。结果表明,改进的Faster-RCNN网络模型在聚乙烯管接头内部缺陷检测和分类方面有明显改进,对小缺陷的检测性能有了显著的提高。     

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

航空航天装配基准孔鲁棒性精确检测方法

提出了一种鲁棒性基准孔检测方法。通过显著性检测对图像进行预处理,获得显著图,利用Hough圆检测算法提取显著图中基准孔感兴趣区域;基于双阈值进行轮廓分割,并利用主成分分析提取基准孔像素级轮廓,然后使用Bazen方法提取基准孔亚像素轮廓;基于随机采样一致性（RANSAC）原理实现基准孔高精度定位。实验结果表明,该算法的拟合精度高,对真实基准孔的定位误差为0.027 mm,检测性能优良,对于反光、刀具痕迹、光照不均匀、带倒角螺纹孔、内嵌轮廓、遮挡等情况下的基准孔检测仍具有很好的鲁棒性。     

极紫外光刻掩模相位型缺陷检测方法

提出了一种基于空间像的极紫外光刻掩模相位型缺陷检测方法,用于检测多层膜相位型缺陷的类型、位置和表面形貌。缺陷的类型、位置和表面形貌均会影响含缺陷掩模的空间像的分布。因此,采用深度学习模型构建含缺陷掩模的空间像与待测缺陷信息之间的映射,利用训练后的模型可从含缺陷掩模的空间像中获取待测缺陷信息。采用卷积神经网络（CNN）模型构建含缺陷空白掩模的空间像和缺陷类型与位置之间的关系,建立用于缺陷类型和位置检测的CNN模型。在获取缺陷的类型与位置后,基于测得的缺陷位置对空间像进行截取,利用截取后的空间像的频谱信息和多层感知机模型获取缺陷表面形貌参数。仿真结果表明,所提方法可对多层膜相位型缺陷的类型、位置和表面形貌参数进行准确检测。