智能制造的“火眼金睛”:PDA高精度激光位移传感器

"中国制造2025"战略的提出,以及人工智能等新一代信息技术的发展,使中国制造业面临新一轮"换血"。从高密度人工作业向自动化车间转化的过程中,自动化测量被推到舞台前端。为了实现高端激光位移传感器的自主研发及国产化,提升位移测量的精度和稳定性,上海兰宝利用自适应算法及核心光机电组件,结合智能算法,打破行业壁垒,探索出领先传感技术。     

CFRP激光切割过程中HAZ扩展研究

激光切割CFRP由于具有无磨损、无接触的特点,显示出了很大的应用潜力.然而,由于组成材料(即聚合物基体和碳纤维)的物理和热性能存在显著差异,激光加工过程中产生的热损伤一直阻碍着CFRP在工业规模上的应用.介绍了激光加工CFRP的优势,并以激光切割CFRP时热影响区(heat-affected zone,HAZ)产生和扩展的机理为基础,对影响HAZ扩展的因素和研究进展进行了综述.最后提出,在实际的激光光源中,工艺参数是相互依赖的,对于加工工艺的参数优化和仿真值得深入研究.并对未来提高激光加工效率,进而广泛应用于工业领域做出了展望.     

掺铒氟硫磷酸盐高增益激光光纤

光纤激光器是大功率激光、空间激光通信、引力波探测、地球磁力探测等国家安全与科学前沿领域的迫切和重大需求.稀土离子掺杂的高增益玻璃光纤是光纤激光器的核心工作介质.氟硫磷酸盐（fluoro-sulfo-phosphate,FSP）激光玻璃具有稀土溶解度高、受激发射截面大、光学光谱性质优异等特点,是高增益激光光纤的潜在候选.本文从玻璃形成区、玻璃结构与性质关系、掺稀土玻璃发光与激光角度系统研究了Al F₃-R₂SO₄-RPO₃/Zn（PO₃）₂（R=Li、Na、K）系列新型FSP玻璃.结果表明,热力学方法有助于简便快速地确定玻璃形成区,为该类新型激光玻璃设计提供指导.通过固体核磁共振谱、拉曼光谱、差示扫描量热分析、耐久性实验等揭示了Zn（PO₃）₂能够提高FSP玻璃的结构聚合度和阴阳离子相互作用强度,从而增强玻璃的抗析晶稳定性和化学耐久性等,为大尺寸玻璃制备和光纤拉制奠定基础.Er³⁺/Yb     

一种从融合颜色信息和深度信息的PNG文件中提取点云数据的方法

使用微软Kinect体感设备对物体三维信息构建时会产生大量的场景彩色信息和深度信息,可在Open CV框架下将Kinect视场下的信息保存为两张PNG格式的RGB图和深度图,为后续的物体三维构建提供原始的数据信息,这种方法使用比较繁琐。针对此问题提出了一种将颜色信息和深度信息融和到一张PNG文件中,隐藏深度信息到Alpha通道并在OpenFrame Works平台下实现了提取三维点云数据的方法。     

数字图像的二重分块置乱算法

针对数字图像的加密置乱问题,利用将图像连续两次分块并分别执行块置乱和像素置乱的二重操作方法,给出数字图像的二重置乱算法。得到的置乱效果相对于传统的仿射变换,具有密钥数量大、置乱效果好、抗统计分析攻击能力强等特点。有效解决了传统二维仿射变换置乱效果较差、效率低等问题。     

双通道多感知卷积神经网络图像超分辨率重建

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大，如何降低网络构建难度和计算成本成为一个难点.为此，提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接，并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明，DMCN重建效果优于目前多数具有代表性的重建算法.     

一种利用Spark-GPU加速 CT图像重建的设计

目的:进一步解决CT图像重建耗时长的问题,实现大批量重建CT图像.方法:利用大数据框架Spark构建GPU集群.首先对加速滤波反投影(FBP)和同时代数迭代重建技术(SART)算法的复杂度进行分析及并行化设计,并比较在GPU和CPU上的运行速度.通过对比耗时选择最佳的计算组合,实现单机GPU加速.通过thunder工具读取批量的投影数据并创建分布式数据集,使用Numba开发CUDA程序并部署在Spark运行.结果:FBP算法运行速度有近40倍的提升,SART算法运行速度有近10倍的提升.结论:Spark和GPU结合能够扩展Spark的性能,突破单机加速瓶颈,大幅提升计算速度,对于不同的图像重建算法均有良好的加速效果,表明Spark-GPU在图像重建方向有良好的应用前景.     

基于深度图像预旋转的手势估计改进方法

基于深度图像的手势估计比人体姿势估计更加困难,部分原因在于算法不能很好地识别同一个手势经旋转后的不同外观样式.提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)推测预旋转角度的手势姿态估计改进方法:先利用自动算法标注的最佳旋转角度来训练CNN;在手势识别之前,用训练好的CNN模型回归计算出应预旋转的角度,然后再对手部深度图像进行旋转;最后采用随机决策森林(Random Decision Forest, RDF)方法对手部像素进行分类,聚类产生出手部关节位置.实验证明该方法可以减少预测的手部关节位置与准确位置之间的误差,手势姿态估计的正确率平均上升了约4.69%.     

基于FPGA实现的Ferguson双三次曲面插值图像缩放算法

图像缩放作为图像处理中重要的一部分,具有广泛的应用领域。随着科技的发展,实际应用中对图像缩放的质量和速度的要求也随之提高。本文首先在Matlab中实现糖尿病视网膜图像的缩放实验,对比验证了Ferguson双三次曲面插值算法在图像缩放细节处理上的优异表现,然后在擅长以纳秒级速度处理并行数据的FPGA硬件平台上实现该算法,达到了良好的图像缩放效果,这有利于医疗图像处理等工程应用与实践。