面向FPGA的故障注入测试技术研究

FPGA由于自身结构原因,容易在复杂环境中发生故障.为提高系统的可靠性,需要对基于FPGA的故障注入测试技术进行研究.首先,对故障模式进行研究,给出SEU故障注入方法;其次,给出故障注入测试框架;最后,对故障注入过程进行研究给出结论 .该方法可以移除主机与FPGA间的交互时间,并能迅速在实际中应用.     

输电线路中销钉缺陷的自适应检测技术研究

针对复杂环境背景下小尺寸目标的检测难题,基于Faster R-CNN框架提出优化算法模型．首先,在特征提取模块的残差网络中叠加残差结构,增大感受野,提高特征提取能力;然后,在卷积计算中利用可变形卷积核替代传统卷积核,对空间形变较大的目标实现自适应特征提取;最后,通过平均定位召回精度损失(aLRP loss)平衡分类与回归任务,从而提高销钉缺陷的检测精度,并用最优定位召回精度(oLRP)度量检测结果．测试集上的实验结果显示：优化算法比基线算法的平均精度均值(mAP)提升了7.6%,比未引入定位排序算法的oLRP均值降低了7.1%.     

基于柠檬酸钠掺杂SnO2的钙钛矿太阳能电池

针对商用SnO₂水分散液易发生颗粒团聚的问题和提升SnO₂薄膜电学和表面性能的需求,提出了一种利用小分子螯合剂对SnO₂进行优化的策略。该策略选用低成本的螯合剂柠檬酸钠(SC:Sodium Citrate)对SnO₂传输层进行掺杂,制备的器件结构为ITO/SnO₂+SC/FA_1-xMA_xPbI₃/Spiro-OMeTAD/Au的PSCs。在引入浓度经过优化的SC后,PSCs的开路电压和填充因子最高可达1.135 V和78.23%,能量转换效率为21.53%,与未引入SC的器件相比获得了明显提升。对薄膜和器件进行表征后发现,SC的掺杂可提升SnO₂薄膜的电学和表面性能,进而改善了钙钛矿的结晶。对集成的器件进行表征发现缺陷密度降低,载流子复合引起的电压和填充因子损失减少,电荷传输的效率得到明显改善。     

大锻件均质化构筑成形研究进展

大锻件是重大装备的核心部件,在国家安全、国民经济中发挥不可或缺的作用.大锻件常采用百吨级铸锭制备,由于金属凝固过程的尺寸效应,大铸锭内部常存在宏观偏析、缩孔疏松等缺陷,严重影响锻件质量,这已成为世界性难题.中国科学院金属研究所在国际上率先发明金属构筑成形技术.该技术以多块小尺寸均质化板坯作为基元,通过表面活化、真空封装、高温形变等手段,使构筑界面与基体在组织和性能上完全一致,进而获得大锻件所需均质化母材,实现"以小制大"的新型制造.本团队通过深入研究构筑界面的组织演化及结合机制,发现了界面氧化物的自分解现象,同时研究了结合界面的动态再结晶机制,进一步完善了界面的愈合机理.该技术已在水电重110 t合金钢主轴、核电φ15.6 m不锈钢支承环等构件上应用,对于推动我国高端装备快速发展,保障核心部件的自主可控发挥了重要作用.     

存款保险制度的缺陷与国外实践

指出了存款保险制度的缺陷,阐述了为解决存款保险制度的缺陷国际货币基金组织的指导原则,列举了解决存款保险制度缺陷的实践。     

基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法

随着深度学习的快速发展,利用目标检测算法对航拍绝缘子图像进行缺陷检测成为绝缘子巡检的主要方式.针对传统目标检测算法对小目标的检测精度较低、特征图的表征能力较弱和提取的关键信息较少的问题,提出以YOLOv5l为基础网络的改进的基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法 AMF-YOLOv5l(Attention Mechanism and Multi-Scale Feature Fusion Based on YOLOv5l).首先,通过增加一个小目标检测头,提高模型对小目标的检测性能;然后,构造DSPP(Dilated Spatial Pyramid Pooling)模块,充分融合多尺度特征,增强特征图的表征能力;最后,引入CA(Coordinate Attention)注意力机制,使网络更加专注于关键信息.在航拍绝缘子数据集APID(Aerial Photographic Insulator Dataset)以及两个公共数据集PASCAL VOC和MS COCO上分别验证该方法的可行性.实验结果表明,在APID数据集中该方法的AP(Average Precision)比YOL...     

结合注意力机制和卷积神经网络的X射线焊缝缺陷检测

焊接是一种重要的连接技术,但是焊缝缺陷会直接影响焊接结构的性能和使用寿命。焊缝缺陷的种类和特征的多样性增加了缺陷检测的复杂性。首先,提出一种新颖的并行残差注意力模块,在通道和空间维度上充分利用全局平均池化和全局最大池化来捕获全局特征,并与输入特征相乘,自适应的选择缺陷特征,显著提升了网络模型的特征表达能力。其次,针对焊缝缺陷长宽比悬殊的问题,利用注意力机制指导锚框自学习图像特征,预测锚框的位置和形状,围绕缺陷区域自适应生成非均匀分布的任意形状的感兴趣区域。最后,设计了端到端的由注意力引导感知的深度学习网络模型。为验证所提模型的有效性,在包含3 403张图像(其中1 001张有缺陷)的X射线焊缝数据集上,通过定性的分析和定量的对比。实验结果表明：检测指标平均精度均值(mean average precision, mAP)达到了66.74%,与原算法相比提升了5.78%,平均交并比(mean intersection over union, mIoU)提升了7.21%,基本满足对焊缝缺陷的高精度检测。     

基于域知识迁移的绝缘子缺陷检测方法

绝缘子缺陷检测模型在应用过程中,需要对多种目标域图像进行检测。然而,由于不同目标域图像的分布不同,会导致在源域训练得到的缺陷检测模型难以在不同目标域中实现较好的检测效果。针对缺陷检测模型泛化性较低的问题,提出了基于域知识迁移的绝缘子缺陷检测方法。首先,采用一种新的特征融合方法提高对缺陷目标的特征提取能力;然后通过对抗性训练实现基于图像和实例级别的域分类器,在图像和目标层级上实现了域迁移;最后在区域建议网络中引入区域级别的域分类器,进一步实现了源域和目标域在区域级别上的对齐。实验结果表明,模型能够缓解不同域图像分布不平衡导致检测效果差的问题,并且与其他多种目标检测方法相比,实现了更好的缺陷检测效果。     

中子辐照CZ硅中缺陷的光致发光研究

一、引言 近年来,随着缺陷工程的发展,有关CZ硅辐照缺陷的研究得到了极大的关注。中子辐照缺陷,一方面可起到提高半导体器件抗辐射能力的作用;另一方面可抑制器件加工过程中有害缺陷的生成。目前,光致发光(PL)作为表征半导体材料的一种有效手段得到了广泛的应用。研究光致发光谱可认识材料的一系列物理过程和性质,还可获得有关局域态的知识,     

焊缝X射线实时成像图像中缺陷的提取

焊缝缺陷的提取成为目前焊缝X射线检测技术的难点之一,本文采用基于模糊推理技术进行焊缝及焊缝缺陷边缘检测,提取的边缘十分完整,为进行焊缝缺陷特征参数的提取打下基础,有利于实现焊缝X射线检测的自动化.