排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
2.
大型非球面镜通过加工 检测 再加工 再检测的制造工艺以满足面形精度要求,根据检测后的轮廓数据准确评定面形是提高再加工精度的关键。为解决抛光前镜面的面形评定问题,采用基于信赖域法则的Levenberg Marquardt算法对参数进行拟合、误差补偿以及面形评定。利用Code V仿真分析算法性能,构建大型非球面轮廓仪测试抛物面加工件,对实测数据经过32次迭代得到元件参数及轮廓残差曲线,收敛精度为1.1610-21。实验表明:该算法可对大型非球面镜轮廓数据进行高效准确的拟合、评定,为进一步提高再加工精度提供可靠依据。 相似文献
3.
4.
阶跃样品显微测量时,样品三维形貌本身丰富的阶跃信息极易受到噪声高频信号的干扰,如何在滤除噪声的同时保持三维形貌的阶跃特征,实现对样品表面三维形貌信息的高精度测量是一个重要研究问题。利用小波函数良好的空间域和频率域的局部化特性,针对阶跃型样品的特点选取Haar小波,并采用一种基于模平方的阈值处理方法对三维形貌信息小波去噪方法进行研究。将该方法应用在本课题组研制的激光差动共焦显微镜扫描台阶样品得到的三维高度轮廓中,去噪后测量样品高度与OLYMPUS共焦显微镜扫描结果相对比,误差为0.146 8 nm,满足三维形貌信息后续测量分析的要求,证明了算法的有效性。 相似文献
5.
6.
共焦拉曼技术结合了共焦显微技术和拉曼光谱技术,具有高分辨率、高灵敏度、可层析成像的优势,广泛应用于物理、材料科学、生物医学、文物鉴定以及刑侦等领域。由于拉曼光谱成像需要较长时间,测量中系统易受环境等因素影响产生漂移,造成离焦,而现有商用共焦拉曼光谱仪并无定焦能力,容易影响测量结果。针对此问题,研制了一种具有抗漂移能力的激光共焦拉曼光谱探测系统。在不改变共焦拉曼探测基本原理的基础上,利用拉曼轴向响应曲线最大值对应显微物镜焦面这一特性,对每个探测点进行轴向扫描,采集一定数量的轴向信号,通过曲线拟合寻找光谱强度极值位置,保证扫描过程中样品始终处于系统的焦点位置处,抑制离焦影响,改善拉曼光谱成像效果。以单层石墨烯样品进行单点测试,证明仪器在5 μm离焦范围内可以实现实时定焦,定焦后采集到的拉曼光谱强度几乎不变,具有良好的抗漂移能力;对硅台阶样品进行成像测试,结果表明成像过程中,信号强度未发生明显变化,且横向分辨率有一定改善,效果明显优于普通共焦拉曼光谱探测系统。 相似文献
7.
Czerny-Turner型光栅光谱探测技术凭借其色散均匀、灵敏度高、光谱探测范围宽等优势成为现代光谱仪器研究的热点,广泛应用在生物学、医学、材料科学等领域,但受限于像散,系统的成像质量和分辨力难以进一步提高。为解决上述问题,提出了基于复曲面镜的高分辨Czerny-Turner光谱探测技术,通过复曲面镜子午和弧矢方向焦距不同的特性来校正像散,在保证C-T型光谱仪高灵敏、宽谱段优点的前提下,改善成像质量,提高系统分辨力。理论分析和实验结果表明,复曲面镜消像散光谱仪样机基于10nm扫描间隔的光谱拼接技术,在400~800nm工作波段范围内光谱分辨力达到0.020nm。为C-T型光谱仪的分辨力改进提供了一种可行途径。 相似文献
8.
光束扫描系统在光学显微成像中扮演着重要的角色,针对现有光束扫描中继系统尺寸、像差较大以及装调精度要求高的问题,提出一种双二维微机电系统(MEMS)振镜光束扫描方法。该方法采用两片二维MEMS振镜进行光束远心扫描,其中,一片MEMS振镜替代传统中继系统中的scan lens和tube lens,避免像差的引入,缩减系统尺寸,最终完成了小型化、结构简单和无像差的光束扫描系统设计。基于该方法构建了小型化共焦扫描显微镜,并对台阶样品进行扫描成像,验证了该方法的可行性。该方法为光学显微成像提供了一种新型的光束扫描手段,可为光学显微成像技术在深空探测、现场检测和生物医学等领域的进一步应用提供一种新的技术途径。 相似文献
9.
为了应对降雨给采用诱骗态协议的量子通信系统带来的突发性干扰,根据降雨分布模型和退极化信道的特性,本文提出了基于变色龙算法的每脉冲最优平均光子数自适应策略;建立了降雨强度、链路距离与最优平均光子数之间的自适应关系;并对采用变色龙算法前后,系统的性能参数进行了比较.仿真结果表明,当降雨强度J为30 mm/24 h、链路距离L为30 km时,通过采用变色龙算法,系统的安全密钥生成率由2×10~(-4)提高到3.5×10~(-4);当J为60 mm/24 h,L为20 km时,系统的信道生存函数值由0.52提高到0.63;当要求生存函数不低于0.5时,系统能够应对的最大雨强由62 mm/24 h提高到74 mm/24 h.因此,根据降雨强度和链路距离,通过变色龙算法自适应地调整系统发送端信号脉冲所含的平均光子数,可以提高量子通信系统在降雨背景下的有效性和可靠性. 相似文献
10.
针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题,提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像,并将图像拼接在一起以获得其清晰图像;同时引入通道注意力机制来增强模型的特征提取能力,建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型,并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%,每秒可检测到约50张靶丸图像(分辨率3072×4096),为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。 相似文献