蓝宝石衬底表面微观缺陷检测与深度估计（英文）

文中将线阵相机扫描技术与垂直扫描白光干涉技术相结合,对蓝宝石衬底表面的微缺陷进行定位和深度评估.首先,利用线阵相机测量设备进行全场扫描,获得全场图像;然后,通过提取质心坐标来检测微缺陷的位置坐标;最后,在白光干涉测量系统中重建微缺陷的三维形貌,识别缺陷类型,提取缺陷深度信息.结果表明:线阵相机测量系统扫描直径为10.16 cm的蓝宝石衬底表面只需10 s左右,而白光干涉测量系统检测一个微缺陷大约需要76 s,检测到的最深缺陷深度为7.09μm,共发现13个缺陷(10个凹坑和3个裂纹或划痕)并定位在蓝宝石衬底表面.实验结果表明:该方法能准确定位蓝宝石衬底表面的微缺陷并提取其深度.     

圆锥形图形化蓝宝石衬底对MOCVD生长GaN外延膜的位错密度和应力应变影响

通过金属氧化物化学气相沉积（MOCVD）方法在2．5μm×1．6μm×0．5μm圆锥形图形化蓝宝石衬底（CPSS）和没有图形化平面蓝宝石衬底（uss）上生长GaN外延膜．高分辨率X射线衍射仪（HRXRD）测试结果表明,生长在CPSS上GaN的刃位错的密度比生长在USS上GaN的刃位错密度低得多;从透射电子显微镜（TEM）观察,CPSS可有效地减小GaN外延膜中的线位错密度;拉曼散射谱显示通过CPSS可有效地减小GaN外延膜中的残余应力;比较两种外延膜中的光致发光谱（PL）,能从生长在CPSS上GaN外延膜中观察到强而尖的带边发射．以上结果表明：生长在CPSS上GaN外延膜的质量高于生长在USS上GaN外延膜的质量．     

基于深度学习的铝材表面缺陷检测

随着信息技术在工业制造领域的深入应用,工业制造大数据研究正成为实现智能制造、帮助政府指导制造企业转型升级的重要参考依据.在传统的钢铁、铝材等金属制造行业,更是存在生产方式粗放、生产工艺简单等问题.因此,迫切需要利用人工智能等新一代信息技术来改善生产流程,提高生产效率.在使用铝材时,必须检查铝材表面.现有的铝材表面缺陷检测受限于传统人工肉眼检查,十分费力,或基于传统的机器视觉算法,识别率不高,通常不能及时准确地判断出表面瑕疵.为解决这些问题,利用深度学习来进行铝材表面缺陷检测:首先运用两大目标检测算法Faster R-CNN(Region-CNN(Convolutional Neural Networks))和YOLOv3对制作的铝材缺陷数据集进行检测;然后基于YOLOv3算法进行改进,提升铝材表面很小缺陷的检测效果.在广东工业智造大数据创新大赛提供的\"铝型材瑕疵识别\"数据集上进行了实验验证,实验结果显示,改进算法的平均精度均值(mean Average Precision, mAP)比YOLOv3算法高3.4%,比Faster R-CNN算法高1.8%.     

基于深度学习的障碍物检测与深度估计

提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进,使用DenseNet网络代替原网络尺度较小的传输层,得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图,根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明,与YOLOv3模型相比,Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率,对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率（average precision, AP）提高了3%～5%,平均精确率均值（mean average precision, mAP）提高了约4%。障碍物深度估计结果与真实值的平均相对误差约为3%。     

基于噪声估计的钢材表面图像增强与缺陷检测

低光照低对比度的钢材表面图像(low-light and low-contrast steel surface images, LCSI)往往被大量噪声污染,给检测和识别带来很大的困难,导致缺陷的识别率很低。为了解决这一问题,本文提出一种基于噪声水平估计(noise level estimation, NLE)的钢材表面图像分解增强算法。根据快速的噪声水平估计确定总变分（total variation, TV）正则化的平衡因子,将低光照低对比度的钢材表面图像分解成基础层和细节层,利用视网膜大脑皮层理论（retina+cortex,Retinex）模型将基础层分解为光照分量和反射分量并分别增强使光照均衡化。对于包含更多图像细节（缺陷）和噪声的细节层,使用高斯滤波抑制噪声后,再对细节进行增强并与增强后的基础层重构得到高质量的输出图像。最后利用最新的基于Canny边缘检测和基于大津算法（nobuyuki Otsu method, Otsu）对增强的钢材表面图像进行缺陷检测。实验结果表明：增强后的缺陷识别率比最新的方法提升至少15%以上。     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

新型冷轧带钢表面缺陷在线检测系统

提出一种新型冷轧带钢表面缺陷在线检测系统的体系结构并说明其工作原理．采用多台面阵ＣＣＤ成像、几何分段、数据合成的检测方法．选用先进的高速数字信号处理器（ＤＳＰ）作数字图像处理平台，构成了并行工作的多ＤＳＰ的主从式信号处理系统．该系统已在线运行．     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法.采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理.采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理.在卷积神经网络模型中应用深度可分离...     

基于深度学习的陶瓷小目标缺陷检测算法及实验

缺陷检测在工业生产过程中是不可或缺的一步,目前人工检测存在效率低及成本高的问题,本文提出了一种基于深度学习的陶瓷小目标缺陷检测算法。针对小目标缺陷,本文算法首先添加切片预训练层,降低大尺寸图像对显卡内存资源的损耗;其次为小目标缺陷的检测添加小目标检测层,并去除大目标检测层,以减少参数量;另外提出一种基于MLCA(Mixed local channel attention)的特征选择融合模块,提高对小目标缺陷的感知能力;最后设计了一种共享参数的检测头,进一步降低算法的可学习参数数量。通过与基线模型对比,以陶瓷杯为例,本文算法的检测精度提升了20.9%,结合研制的检测软件及实验平台,陶瓷杯检测效率提升了46.9%。     

基于时延估计的非视域隐藏目标深度定位研究

非视域成像技术是对直接视线范围内看不到的物体（如拐角处的隐藏目标）进行探测并成像的技术,基于飞行时间的成像技术主要是探测深度图,首先需要完成对隐藏目标的深度定位,再对其进行图像重建。提出使用时间延迟估计算法对隐藏目标进行深度定位,并分别进行两组实验,针对不同隐藏目标个数和隐藏目标之间的距离,在不同噪声比下（0、5 dB、10 dB和20 dB）,对隐藏目标的深度定位进行研究。实验结果表明：当隐藏目标之间的距离不断变小时,深度定位误差也在不断增大,隐藏目标之间的最小距离约100 cm（激光脉冲为1 ns）;噪声对深度定位的影响较小,去噪后的误差减少为1～2 cm,表明提出的时延估计算法具有一定的抗噪能力。     

基于虚拟深度的聚焦型显微光场相机深度测量标定

针对聚焦型显微光场相机在内部光学参数未知的情况下,进行了基于虚拟深度的深度测量标定。首先基于高斯光学建立光场成像模型,推导出虚拟深度与实际深度间的函数关系。然后选择单一角点的标定板,在不同深度位置进行拍摄;该角点在多个宏像素中重复成像,相邻重复像点的间距随深度位置改变而变化;利用图像匹配的方法计算相邻重复像点的距离和虚拟深度值,并与实际深度一一对应进行曲线拟合。根据拟合结果,分析了不同深度位置下,该光场成像系统的深度测量分辨率。最后,通过拍摄已知倾角的倾斜棋盘格标定板,进行深度测量并分析测量误差,在主镜头工作距离靠近镜头方向2 mm(10倍景深)范围内,测量误差小于5.35%。     

基于深度学习的虚拟视点重建研究

基于人眼立体视觉的裸眼3D显示技术通过虚拟视点快速渲染可以获得具有密集视点的3D内容,让用户不需要任何辅助设备就可以身临其境地感受三维场景.针对传统获取方法因渲染速度慢、重建质量不高、视差受限等问题,提出基于无监督神经网络的虚拟视点重建方法,基于单目立体深度估计和傅里叶切片理论将2D图像直接生成任意视角虚拟视点.试验结果表明,本文算法比传统方法对任意视角视点的理论渲染速度大幅提升,空洞区域修复更自然.     

蓝宝石衬底上酞菁铜薄膜的生长及相变研究

 采用真空蒸发沉积方法在Al₂O₃衬底上生长CuPc薄膜,用X射线衍射、扫描电子显微镜、紫外-可见光分光光度计多种测试手段表征薄膜的结构,研究不同沉积速率、不同膜厚和衬底温度对CuPc薄膜结构的影响.研究结果表明：CuPc薄膜的晶粒尺寸随沉积速率的增大而减小,薄膜越厚,结晶度越高,CuPc薄膜退火温度约为250℃时发生相变,由原来的亚稳态α-CuPc晶型结构转变为稳定的β-CuPc晶型结构.
     

大景深多重全息计量术

根据大景深全息术和旋转光楔多重全息术理论．提出一种大景深多重全息计量术．并给出实验结果。该方法具有记录景深和通道数在一定的范围内可调的优点。     

蓝宝石衬底铜抛-CMP加工技术

针对蓝宝石衬底超精密加工存在的抛光表面不稳定问题,对蓝宝石衬底铜抛-化学机械抛光(CMP)加工技术进行研究,系统探讨铜抛与CMP的抛光压力、转速和抛光时间对蓝宝石衬底表面质量及加工效率的影响.综合评价各表面质量指标,结果表明:在满足表面质量对抛光工艺要求的前提下,采用铜抛的最佳工艺参数为铜抛压力98.0 kPa,转速55 r·min^-1,铜抛时间30 min;化学机械抛光的最佳工艺参数为抛光压力215.6 kPa,转速60 r·min^-1,抛光时间120 min,由此可获得高质量、无损伤的蓝宝石衬底抛光表面.     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计,再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法,归结为全局搜索--目标函数的极值。通过对仿真数据的处理,结果显示该方法可以准确的估计出多目标位置。     

数码相机与传统相机的景深关系

在介绍照相机景深公式的基础上,讨论了在什么情况下数码相机与传统135相机成像效果相同,推出了二者景深相同的条件,并给出了在远摄和近摄时二者的景深变换关系。     

虚拟相机镜头景深效果模拟改进算法

在透镜成像模型产生模糊圈计算的基础上,利用镜头景深效果模拟改进算法实时地模拟出景深效果。本算法利用GPU的可编程性和高效计算性质,根据镜头的光圈,聚焦等计算出的模糊因子来决定像素的扩散程度,建立扩散模型。这个扩散模型是根据镜头光圈特性确定的,获得扩散模型后计算出扩散算子,利用此算子去遍历计算整个图像,并在模糊因子的判断值下进行融合,最终模拟出真实的镜头景深效果。     

DOA估计的可靠性评判及多阵列三角定位

提出了一种DOA（derection of arrival）估计可靠性评判准则,试验数据验证了该可靠性评判准则的有效性。DOA估计误差分析表明,目标信号信噪比、传感器失效和采集系统故障等原因均可能导致传感器信号相关性下降或者丢失,而使得DOA估计出现重大偏差;利用可靠性条件,能够方便判定估计DOA的可靠程度。将DOA估计算法及可靠性条件,应用到多DOA三角定位试验中,定位结果表明,该可靠性条件能够有效避免目标位置估计出现野值。