一种基于布里渊相移检测的动态应变测量方法及测量装置

    公开(公告)号:CN103743354A

    公开(公告)日:2014-04-23

    申请号:CN201410004860.2

    申请日:2014-01-06

    Abstract: 本发明公开了一种基于布里渊相移检测的动态应变测量方法,包括如下步骤:将激光信号分成两路;一路经宽带频移后产生光学外差检测本振光波、探测信号光波同时注入传感光纤;另一路激光经频谱展宽与脉冲发生器产生宽带布里渊脉冲泵浦光波注入传感光纤;设定调制器驱动电压波形引入线性啁啾,获得近似矩形谱的宽带激光,扩展传感光纤布里渊相移的线性区;将本振光波和探测信号光波通过光电转换产生的拍频信号与射频信号相干解调进行相干检测获取探测信号光波的布里渊相移;对传感光纤应变信号信息解调。本发明的优点在于:改善信噪比、增加动态应变测量范围、提高了检测速度。本发明还公开了一种基于布里渊相移检测的动态应变测量装置。

    一种基于自适应双边滤波和UDWT的空间外差干涉校正方法

    公开(公告)号:CN119379545A

    公开(公告)日:2025-01-28

    申请号:CN202411451405.7

    申请日:2024-10-17

    Abstract: 本发明提供的是一种基于自适应双边滤波和UDWT的空间外差干涉校正方法。其特征在于:步骤S1:通过空间外差光谱仪获取干涉图,并使用Prewitt算子计算边缘响应,提取边缘特征。步骤S2:基于高斯滤波器,构建结合灰度域权重和空间域权重的双边滤波器,提升双边滤波的去噪效果。步骤S3:对处理后的干涉图进行非下采样小波变换(UDWT),分解为多个尺度和方向的子带,并进行重构,获得去噪后的干涉图。步骤S4:经过傅里叶变换实现光谱复原,得到去噪后的光谱信号,去噪后的光谱信号特征峰更为明显,曲线更加平滑,同时显著改善峰值信噪比和非均匀性。本发明对光谱信号的噪声去除效果显著,可广泛用于空间外差光谱的噪声处理。

    一种基于主成分分析的空间外差干涉数据校正方法

    公开(公告)号:CN118396877A

    公开(公告)日:2024-07-26

    申请号:CN202410496987.4

    申请日:2024-04-24

    Abstract: 本发明提出了一种基于主成分分析的空间外差干涉数据校正方法。利用空间外差光谱仪获取某待校正物质的干涉图样后,首先,对每行数据采用一阶差分法进行预处理,去除基线影响。然后对预处理后的数据进行傅里叶变换得到光谱数据,并进行主成分分析,通过计算多个相互正交的主成分及每个主成分的贡献率,将贡献率小于2%的主成分数据作为噪声扣除,剩下的主成分作为有效光谱数据进行光谱重建。最后,经过傅里叶逆变换获得校正后的干涉图。该方法对单色光和复色光照射下的干涉图像都有明显去噪效果,使光谱更平滑清晰,特征峰更凸显,同时显著改善非均匀性和信噪比。

    基于机器视觉及光谱检测的智能冰箱及运行方法

    公开(公告)号:CN115046363B

    公开(公告)日:2024-05-07

    申请号:CN202210768651.X

    申请日:2022-06-30

    Abstract: 本发明公开一种基于机器视觉及光谱检测的智能冰箱及运行方法,包括至少一个视觉传感模块和至少一个光谱仪模块;这些视觉传感模块和光谱仪模块分布安装在保温箱体内,并朝向保温箱体内所存储的食材;视觉传感模块和光谱仪模块的输出端与核心控制器电气连接。利用机器视觉与深度学习相结合的图像识别方法,以及光谱无损检测食材新鲜程度技术来实现对冰箱内所存放食材的种类和新鲜度的判别,以解决人民在日常生活中对食材管理以及对食材新鲜度监控的需求,为后续的智能冰箱市场提供了一种新型的应用实例。

    基于深度学习的干涉图高密度椒盐噪声去噪方法

    公开(公告)号:CN117495706A

    公开(公告)日:2024-02-02

    申请号:CN202311534203.4

    申请日:2023-11-17

    Abstract: 本发明提供的是一种基于深度学习的干涉图高密度椒盐噪声去噪方法,包括以下步骤:步骤S1:预处理实测干涉图数据集,得到用于深度学习训练的训练集,验证集;步骤S2:搭建LSConv,用于初步填补噪声图像的线选择卷积块;步骤S3:以传统的CNN为主,搭建降噪模型,进一步矫正被LSConv修复的数据集数据,训练时,针对不同比例的SAP噪声,单独训练去噪模型;步骤S4:使用损失函数判断模型收敛情况,输出针对不同比例SAP噪声的降噪网络。该线选择卷积块网络能有效地恢复被SAP噪声破坏的干涉图,并在定量标准和视觉效果方面超越了大部分同类方法,尤其是在高密度和超高密度噪声的情况下。可广泛用于光学图像信息恢复等领域。

    基于N2N和深度学习的干涉图去噪方法

    公开(公告)号:CN117333391A

    公开(公告)日:2024-01-02

    申请号:CN202311315388.X

    申请日:2023-10-12

    Abstract: 本发明提供的是一种基于N2N和深度学习的干涉图去噪方法,包括以下步骤:S1:对空间外差光谱仪干涉图数据集随机分类,形成训练集和验证集的原始图像数据集;S2:对干涉图进行预处理,并进行图像分割,得到训练集,验证集;S3:利用训练集进行深度学习去噪模型的训练;S4:利用验证集在固定的迭代次数验证损失函数下降情况,判断模型是否训练完成,若训练完成,输出去噪模型。本干涉图去噪方法在对深度学习模型进行训练时,只使用带噪声的图像进行去噪模型的训练,可以极大减少训练数据的获取难度,并且使用本方法训练出来的模型可有效恢复干涉图图像信息,抑制噪声并保持干涉条纹边缘连续性,可广泛应用于光学图像信息恢复等领域。

    一种在空间调制偏振成像频域解调中降低干扰的方法

    公开(公告)号:CN111982288B

    公开(公告)日:2023-03-07

    申请号:CN202010824851.3

    申请日:2020-08-17

    Abstract: 本发明提供的是一种在空间调制偏振成像频域解调中降低干扰的方法。其过程包括:A1,中心波长为λ的窄带宽入射光进行空间调制偏振成像,得到包含偏振信息的干涉图像;A2,对干涉图像进行变换在频域中找到中心波长λ窄带宽入射光的Stokes矢量被调制的位置;A3,在进行滤波处理前需要将除了要解调的Stokes矢量所在峰值点之外,其它Stokes矢量峰值点附近区域需要用附近值进行覆盖处理;A4,以各Stokes矢量峰值点的位置为中心对频域进行低通滤波处理,将目标的偏振信息分别解调出来。本发明可用于空间调制偏振成像各偏振信息的频域解调,可广泛用于遥感偏振成像等领域。

    基于图像分割的空间外差光谱仪图像压缩感知重构方法

    公开(公告)号:CN115410090A

    公开(公告)日:2022-11-29

    申请号:CN202210862722.2

    申请日:2022-07-21

    Abstract: 本发明提供的是一种基于图像分割的空间外差光谱仪图像压缩感知重构方法,属于光学遥感成像技术领域。其特征是:1通过空间外差光谱仪推扫产生干涉图像序列,处理得到干涉数据立方体;2分析干涉数据立方体每个波段图像间的谱间相关性,利用Kmeans聚类将波段图像进行分组;3将干涉数据立方体分组进行重构,每组的图像分为参考图像和非参考图像;4采用分块压缩感知的方法,对于参考图像采用固定高采样率测量重构;5重构出参考图像后,利用图像分割方法分割出前景与背景;6根据图像块含有的前景背景信息动态测量非参考图像,重构出非参考图像,进而重构出全部的干涉数据立方体。本发明解决了空间外差光谱仪扫描成像获取的干涉数据立方体数据冗余量大,数据的存储、传输及处理困难的问题,提高了干涉数据立方体压缩感知重构的精度和效率,具有广泛的应用面。

    一种氧乐果精细拉曼光谱快速检测系统

    公开(公告)号:CN114660039A

    公开(公告)日:2022-06-24

    申请号:CN202210239135.8

    申请日:2022-03-11

    Abstract: 本发明公开了一种氧乐果精细拉曼光谱快速检测系统。由实测物质拉曼光谱、确定合适的空间外差波段范围、设计特定波段高光谱分辨率空间外差检测系统三部分组成。通过测得的氧乐果特征峰波段范围500~850cm‑1,为使探测波段正好与测量物特征波段重合,计算选取空间外差检测系统理论波段范围817~841nm,根据光谱分辨率满足特征光谱细分要求,空间外差检测系统的CCD、光栅、扩视场光楔等关键光学部件参数以及光学结构设计满足光谱分辨率细分要求,得出各系统参数。根据参数搭建检测系统,由激光器照射氧乐果后,产生拉曼散射光、瑞利散射光经透镜准直,由BS转变成两束相干光,然后分别被G1、G2反向衍射回BS重新聚集在一起,并在出射波面产生空间干涉条纹,由成像探测器上来显示干涉图。所测氧乐果浓度越高,特征峰峰值越大。

Patent Agency Ranking