最新刊期
2025年第33卷第22期
- “在机械扫描激光雷达领域，专家建立了OSEDR数学模型，提出了基于扫描镜转速调控的探测器位置匹配方法，有效提升了探测距离和稳定性。”摘要：针对机械扫描式激光雷达在高转速、远距离探测工况下，因回波滞后角导致像点偏离探测器中心，限制其光学扫描有效探测范围（Optical Scanning Effective Detection Range，OSEDR）的问题，提出一种基于扫描镜转速调控的探测器位置匹配方法。首先，建立了OSEDR数学模型，定量描述像点偏移与扫描镜转速、目标距离/方位及光学系统参数间的关系。其次，基于数学模型调控扫描镜转速，使常规稳定目标能够替代传统方法中必需的特定远距离目标，作为反馈基准完成探测器位置匹配。实验结果表明：采用该方法调试某款激光雷达系统后，在50 r/s额定转速下，最远探测距离由1 020 m提升至2 000 m，增幅约96%，达到理论探测范围指标要求，且该范围内点云连续稳定、无明显缺失。本研究扩展了调试过程中反馈目标的选择范围，为机械扫描激光雷达的装调提供了一种可靠、高效的探测器位置匹配方法。关键词：激光雷达;探测器位置匹配;像点偏移;转速调控;光学扫描有效探测范围184|55|0更新时间：2026-01-15
- “在海洋环境监测领域，研究者提出了一种高灵敏度光纤盐度传感器，通过调整激光器采样间隔显著提升检测准确性。”摘要：针对光纤盐度传感器灵敏度受限的问题，提出了一种基于可调谐激光器稀疏采样的高灵敏度光纤法布里-珀罗（Fabry-Perot Interferometer，FPI）盐度传感器。通过控制可调谐激光器的采样间隔，使其接近FPI的自由光谱范围（Free Spectral Range，FSR），进而在频谱中产生类游标效应。在稀疏采样条件下，干涉信号在频谱中产生可调包络漂移，显著放大微小盐度变化所引起的折射率扰动，从而实现对盐度参数的高灵敏度检测。实验结果表明，在20‰~35‰的盐度范围内，该传感系统实现了高达1.525 nm/‰的盐度灵敏度，相对于单个FPI传感器提升了9.24倍。与传统基于双腔干涉仪结构的游标效应方法相比，该方法无需额外的辅助FPI，仅通过调整可调谐激光源的采样间隔，即可灵活控制系统灵敏度并提升检测准确性。该方法实现简单、兼容性强，在海洋环境监测领域具有广阔的应用前景。关键词：可调谐激光器;稀疏采样;游标效应;法布里-珀罗;光纤盐度传感器71|66|0更新时间：2026-01-15
- “在森林生物量制图领域，专家提出了基于特征插值的多源数据融合方法，有效解决了星载激光雷达数据空间稀疏性问题，为大范围森林碳储量评估与生态系统监测提供方法参考。”摘要：针对星载激光雷达数据空间稀疏性问题，本文提出基于特征插值的多源数据融合方法，实现了区域尺度森林地上生物量（Aboveground Biomass， AGB）制图。首先，从GEDI L2A/L2B，ICESat‑2/ATL08提取光斑尺度三维结构参数，结合Sentinel-2光谱特征变量及地形因子构建光斑尺度特征变量数据集；其次，进行相关性分析剔除高共线性特征变量，比较CatBoost（Categorical features gradient Boosting），RF（Random Forest）与LightGBM（Light Gradient Boosting Machine）三种回归算法并筛选最优模型；然后，基于CatBoost的特征重要性与SHAP（SHapley Additive exPlanations）解释进一步筛选关键特征变量；最后，对激光雷达关键特征变量进行插值获取连续栅格特征，进而通过最优回归模型实现森林AGB空间制图。验证结果显示，CatBoost在光斑尺度建模中表现最佳（R²=0.88，RMSE=78.74 Mg/ha，rRMSE=20.93%）；基于特征插值与多源数据融合的空间制图精度为R²=0.82，RMSE=60.90 Mg/ha，rRMSE=36.54%，相较于仅用光学遥感影像制图，rRMSE降低约34.7%。采用特征插值策略对激光光斑关键结构变量进行空间连续化并与高分辨率光学与地形信息融合，能够有效弥补光斑空间分布稀疏、光学影像垂直结构信息缺失等问题，可为大范围森林碳储量评估与生态系统监测提供方法参考。关键词：全球生态系统动态调查;冰云和陆地高度卫星;激光雷达;光学遥感影像;特征插值;地上生物量制图86|164|0更新时间：2026-01-15
-
基于改进边界点排斥的激光点云模型孔洞修复 AI导读
“在三维激光扫描领域，专家提出了一种改进边界排斥的激光点云孔洞识别与修复方法，有效解决了内凹曲面或狭窄缝隙物体的点云孔洞问题，为激光点云孔洞修复提供了高效、可靠的解决方案。”摘要：三维激光扫描技术虽能高效构建精确的三维模型，但在测量具有内凹曲面或狭窄缝隙的物体时，部分区域因光线遮挡而形成点云孔洞，影响模型的完整性与后续应用。传统修复方法多依赖插值或曲面拟合，易导致修复区域曲率不均、细节丢失。为解决该问题，提出一种基于改进边界排斥的激光点云孔洞识别与修复方法。采用加权局部最优投影算法优化点云分布，并通过法向量分析与局部密度约束精准识别孔洞边界，利用最大角度筛选排除伪边界点，避免将大曲率部位误判为缺损区域；同时，设计动态排斥力场模型，结合单圈邻接点拓扑关系生成填充路径，确保修复点云与原始模型的几何一致性；最后，利用中值滤波实现修复孔洞点云与整体点云平滑度的一致性。实验结果表明，本方法在多类复杂模型上均能有效识别与修复孔洞，其中Camel模型的修复率达98.7%，点云密度差异仅为4.2%，修复时间显著优于LS-SVM，Poisson，PU-Net及SeedFormer等方法，仅为SeedFormer耗时的11.7%。本方法在几何结构保持与细节修复方面具有明显优势，为激光点云孔洞修复提供了一种高效、可靠的解决方案。关键词：激光点云;孔洞识别;点云修复;边界点排斥70|78|0更新时间：2026-01-15
现代应用光学
- “在太阳能驱动界面蒸发技术领域，专家通过皮秒激光加工泡沫铝基界面蒸发体，得出最佳参数，制备的蒸发体具有出色的耐盐性能和长期稳定运行潜力，为可持续水净化技术实际应用提供新思路。”摘要：针对太阳能驱动界面蒸发技术，界面蒸发体在制备成本及长期稳定蒸发方面面临的巨大挑战，开展研究以制备高效、低成本且能长期稳定运行的界面蒸发体，推动可持续水净化技术实际应用，缓解全球淡水资源短缺问题。首先，提出泡沫铝基界面蒸发体的皮秒激光加工研究，研究单脉冲能量、扫描速度、扫描间隔、重复加工次数等加工参数对泡沫铝界面蒸发体表面形貌及元素的影响。其次，对比不同参数下蒸发体的海水淡化效果，确定最佳加工参数。最后，通过户外海水淡化实验验证其性能。最优参数为扫描间隔30 μm，单脉冲能量380 μJ，扫描速度100 mm/s，重复加工1次。光强1 kW/m2时，蒸发速率达5.52 kg/（m2·h），真实环境下8小时产水量达5.37 kg m-2。15 wt%高浓度盐水时，蒸发速率仍维持在4.03 kg/（m2·h）。淡化后水中K⁺，Mg²⁺，Ca²⁺，B³⁺，Na⁺离子浓度显著降低，满足世界卫生组织饮用水标准。本研究通过皮秒激光加工泡沫铝基界面蒸发体的方法，得出最佳参数，制备的蒸发体具有出色的耐盐性能和长期稳定运行潜力，为界面蒸发体制备提供新思路，推动可持续水净化技术实际应用。关键词：太阳能驱动的界面蒸发技术;界面蒸发体;皮秒激光;产水量;耐盐性45|51|0更新时间：2026-01-15
- “在工业机器人领域，专家提出了基于可重构三维测量系统的误差补偿方法，有效提升了机器人定位精度，为多场景精度补偿提供新路径。”摘要：针对工业机器人绝对定位精度不足，以及机器人误差采集的高精度测量系统成本高、便携性差、难以适配多场景需求的问题，提出一种基于可重构三维测量系统的误差补偿方法，综合几何与非几何误差因素提升机器人定位精度。首先，集成C-TrackTM|Elite高精度测量系统与轻量化双目视觉系统构建双模态可重构测量框架，通过特征点椭圆拟合与空间位置匹配算法并结合测头球面拟合实现高精度坐标解算；其次，分别建立机器人位置与距离误差模型，引入粒子群算法自动拟合克里金实验变异函数，构建误差预测方程实现机器人工作空间内未知位姿的误差预测；最后实施补偿并进行对比验证。实验表明：基于高精度系统的位置误差补偿使绝对误差均值由1.048 9 mm降至0.178 6 mm，精度提升了82.97%；轻量化系统补偿后误差均值由1.154 7 mm降至0.211 9 mm，精度提升了81.65%。验证了可重构测量系统在精度与成本之间的优化平衡-高精度系统适用于航空航天等高附加值领域，轻量化系统满足中小型企业精度需求，为工业机器人多场景精度补偿提供新的技术路径。关键词：可重构;轻量化;工业机器人;克里金;误差预测补偿103|139|0更新时间：2026-01-15
-
微型高精度光栅位移传感器设计及误差补偿 AI导读
“在精密位移测量领域，研究人员提出了一种新型微型光栅位移传感器，通过“W”形反射式折叠光路结构设计，实现了高量程-长度比和高精度测量，解决了狭小空间下的测量难题。”摘要：微纳米精度下的位移测量在机械精密加工、半导体制造和工业自动化控制等领域具有至关重要的作用。光栅位移传感器相较于电位器式和激光干涉式等方法，具有结构简单、分辨率高和抗电磁干扰能力强等优势，已成为精密位移测量领域的重要方法。然而，目前成熟的光栅位移传感器大多由测尺和读数头共同组成，拥有较大的体积、较小的量程（低“量程-长度”比，Range-Length Ratio， RLR），如基恩士的GT2-S1的RLR仅为0.033，无法满足在受限空间场景下的应用。针对这一难题，本文提出并实现了一种新型的微型光栅位移传感器，设计“W”形反射式折叠光路结构以压缩传感器体积，将传感器探头集成到主体以实现高RLR，并利用变异粒子群优化（Particle Swarm Optimization，PSO）算法完成对光电探测信号的识别和误差补偿以实现高精度测量。经验证，提出的传感器在体积缩小到7 mm×8.5 mm×25 mm的情况下，量程为15 mm，RLR高达0.6，且误差优于1.1 μm。该光栅位移传感器具有尺寸小、高RLR、测量精度高和易于复用等特点，解决了狭小、受限空间下的在线间隙及位移测量难题。关键词：绝对式光栅位移传感器;微型化;位移测量;误差补偿;间隙测量261|131|0更新时间：2026-01-15 - “在齿轮缺陷检测领域，研究者提出了一种基于多尺度特征融合与分块注意力的分割网络，有效提升了齿轮视觉特征的表征能力与细小缺陷的检测性能。”摘要：为解决传统分割模型在复杂背景干扰或齿轮细微缺陷区域的处理中，仍面临特征表达能力有限和鲁棒性不足的问题，本文提出一种基于多尺度特征融合与分块注意力的分割网络，以提升齿轮视觉特征的表征能力与细小缺陷的检测性能。首先，采用多尺度特征增强模块替代UNet编码器中的标准下采样模块，通过并行多分支卷积结构协同提取多尺度、多方向特征，增强对局部细节与全局上下文的感知能力；其次，在下采样后引入分块特征聚焦模块，利用分块多头注意力机制对局部区域进行独立分析，显著提升模型对微小缺陷和局部纹理差异的敏感性；最后，设计加权联合损失函数，结合Dice损失、BCE损失与梯度差异约束，以缓解类别不平衡问题并优化分割边界质量。在自建与公开齿轮缺陷数据集上的实验结果表明，所提模型在多类型齿轮缺陷分割任务中性能均优于UNet及其他先进模型，精确率分别达到91.27%，85.88%。该方法在齿轮表面缺陷精确分割检测中具备有效性与实时性。关键词：表面缺陷检测;图像分割;UNet;分块注意力;齿轮80|92|0更新时间：2026-01-15
微纳技术与精密机械
-
基于改进边界点排斥的激光点云模型孔洞修复 AI导读
“在三维激光扫描领域，专家提出了一种改进边界排斥的激光点云孔洞识别与修复方法，有效解决了内凹曲面或狭窄缝隙物体的点云孔洞问题，为激光点云孔洞修复提供了高效、可靠的解决方案。”摘要：三维激光扫描技术虽能高效构建精确的三维模型，但在测量具有内凹曲面或狭窄缝隙的物体时，部分区域因光线遮挡而形成点云孔洞，影响模型的完整性与后续应用。传统修复方法多依赖插值或曲面拟合，易导致修复区域曲率不均、细节丢失。为解决该问题，提出一种基于改进边界排斥的激光点云孔洞识别与修复方法。采用加权局部最优投影算法优化点云分布，并通过法向量分析与局部密度约束精准识别孔洞边界，利用最大角度筛选排除伪边界点，避免将大曲率部位误判为缺损区域；同时，设计动态排斥力场模型，结合单圈邻接点拓扑关系生成填充路径，确保修复点云与原始模型的几何一致性；最后，利用中值滤波实现修复孔洞点云与整体点云平滑度的一致性。实验结果表明，本方法在多类复杂模型上均能有效识别与修复孔洞，其中Camel模型的修复率达98.7%，点云密度差异仅为4.2%，修复时间显著优于LS-SVM，Poisson，PU-Net及SeedFormer等方法，仅为SeedFormer耗时的11.7%。本方法在几何结构保持与细节修复方面具有明显优势，为激光点云孔洞修复提供了一种高效、可靠的解决方案。关键词：激光点云;孔洞识别;点云修复;边界点排斥53|98|0更新时间：2026-01-15 -
基于Transformer的边缘检测网络 AI导读
“科技媒体新闻记者报道：视觉Transformer结合多级聚合金字塔与多尺度注意力聚合模块，提出高精度边缘检测模型TFEdge，实验结果表明其优越性能。”摘要：目前主流的基于卷积神经网络的边缘检测方法，在感受野范围和细粒度边缘感知方面存在局限，随着视觉 Transformer 的发展，其全局建模能力和灵活的信息交互机制为边缘检测任务带来了新的可能。为了解决这一问题，本文提出了一种结合视觉Transformer和多级聚合金字塔与多尺度注意力聚合模块的编码器-解码器模型 TFEdge，用于高精度边缘检测。该模型引入 Dilated Neighborhood Attention Transformer 作为主干网络，通过多阶段层叠设计提取图像全局上下文信息与局部边缘线索。同时，设计了多级聚合特征金字塔聚合各阶段深浅层特征，赋予浅层特征更丰富的语义特征，以抑制图像噪声和提升对不明显边界的检测能力。最后提出了基于注意力机制的多尺度注意力聚合模块，通过聚合特征图像的跨尺度空间与通道注意力信息，进一步强化特征表述。实验在BSDS500和NYUDv2数据集上进行评估，TFEdge在BSDS500上的ODS和OIS F-score 分别达到0.857和0.874，在NYUDv2上分别为0.788和0.801。与多种现有方法相比，TFEdge 在定量与定性结果上均表现出优越的边缘检测性能。关键词：边缘检测;Transformer;注意力机制;多级聚合特征金字塔;多尺度注意力增强94|93|0更新时间：2026-01-15 - “在图像融合领域，专家提出了一种多聚焦图像融合算法，有效提升了融合图像质量和下游任务效果，为实际检测任务中的快速性和精确性需求提供了解决方案。”摘要：针对单幅聚焦图像无法同时呈现场景完整信息的问题，本文提出一种端到端的多聚焦图像融合算法，以提升图像融合的准确性与实用性。在编码阶段，构建结合密集卷积CNN与Transformer并联结构的编码器，用于高效提取图像的高频与低频特征，并引入空间注意力机制以增强特征表达能力。在融合阶段，设计基于语义先验引导的交叉融合策略，在低频信息指导下准确嵌入高频细节，有效缓解了传统方法在远/近聚焦间的偏置问题，显著提升融合图像的对比度与细节保留能力。与最新研究方法在Lytro，COCO和MFFW数据集上与七种先进图像融合算法进行对比，所提方法在多个指标上取得显著优势，EN，PSNR，SSIM，MI，AG与SF分别提升了2.7%，13.6%，7.9%，6.5%，1.6%与3.7%。此外，在下游芯片引脚识别与芯片中心定位任务中均实现性能提升，验证了算法的实用性与通用性。本文方法在融合质量和下游任务效果方面均表现优异，具备良好的应用潜力，满足多聚焦图像融合在实际检测任务中的快速性与精确性需求。关键词：多聚焦图像融合;Transformer;多头注意力机制;芯片识别;芯片检测149|122|0更新时间：2026-01-15
信息科学
- 地址：长春市东南湖大路3888号 邮编：130033
- 联系电话：0431-86176855 Email：gxjmgc@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