等离子体刻蚀中边缘离子轨迹的控制与优化

由于常规等离子体刻蚀系统在晶圆边缘处的阻抗与晶圆中心处的阻抗不一致, 使离子在晶圆边缘处的运动轨迹发生偏移, 很难满足越来越高的刻蚀工艺均匀性及深宽比的要求。本文提出一种通过调整晶圆边缘阻抗进行边缘离子运动方向优化的方法, 可以连续实时地调整边缘离子的运动轨迹, 实现对边缘离子运动方向的控制。研究结果表明, 离子的运动方向可以被优化为垂直于晶圆表面, 从而能获得良好的刻蚀速率均匀性及垂直的刻蚀形貌。     

渤海海域辽西凹陷南洼烃源岩发育主控因素

应用已钻井烃源岩评价、次洼沉积特征对比、油源对比和地震特征对比,对渤海海域辽西凹陷南洼南、北次洼烃源岩进行预测。南、北次洼在可容纳空间增长速率相似的条件下,外部大型物源区位置、输砂通道、局部物源类型、洼间链状岛的遮挡作用联合控制了南次洼的沉积过程,为过充填沉积,导致了较低的古生产力水平、较高的沉积速率和开放氧化的水体环境,不具备优质烃源岩形成的基本条件,北次洼为平衡充填沉积;油源对比表明围区部分原油来源于北次洼烃源岩,证实了优质烃源岩存在;地震特征对比表明沙河街组有效烃源岩主要分布在北次洼陡坡带。辽西凹陷南洼北次洼具有较好的勘探前景。     

基于OTSU和Canny算子的红外图像特征提取

由于红外图像背景复杂、分辨率低等因素,在利用涡流红外热成像技术检测金属材料裂纹缺陷时,会导致红外图像裂纹缺陷区域模糊。为解决这一问题,提出一种基于大津法(OTSU)和Canny算子相结合的红外图像特征提取方法,用于解决红外图像分割、特征增强和裂纹缺陷区域边缘特征提取等问题。首先对获取的红外图像进行降噪处理,增强图像中的特征信息;然后用OTSU算法将裂纹区域从背景区域分离出来,并用Canny算子提取裂纹区域的边缘,最终获得裂纹边缘的周长和面积等特征信息。实验结果表明,该方法能准确定位红外图像裂纹区域,提取红外图像裂纹边缘特征信息。     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

基于蛇模型的管路三维重建方法

针对航空航天中大量应用的管路高精度快速测量难题,提出了基于蛇模型的管路三维重建方法.该方法充分利用管路灰度图像边缘特征,借助阈值分割和高斯滤波消除图像噪声,先结合蛇模型获取精准的管路图像边缘,贪心算法进行迭代以保证收敛效率,利用极线约束原理得到二维管路中心线点云,然后根据视觉投影原理,重建管路三维模型,最后使用多目视觉系统拍摄的照片进行结果优化以保证重建精度.结果表明:该方法对管路的测量精度为±0.15 mm,简便高效,无需过多的人工操作.同时,实现了管路圆弧段弯曲半径的测量,满足工业应用需求.      

5G环境下边缘计算对智慧图书馆建设的推动作用

万物互联背景下,物联网设备爆炸式增长,智慧图书馆的建设必然会迎来交互浸入、多维共生的智能边缘时代,因此,图书馆积极引入边缘计算技术,建立起以"网、云、端"为核心的信息化基础架构非常必要.5G技术不仅促进了边缘计算应用的发展,还能与边缘计算协同工作,利用5G技术能使边缘计算在智慧图书馆的建设中发挥更大作用.未来,5G和边缘计算将共同推动智慧图书馆在知识服务、智慧空间、用户体验、安防保护方面的发展.     

基于虚拟机迁移的能量收集MEC系统资源分配策略

针对现有研究没有考虑用户移动性对移动边缘计算（mobile edge computing,MEC）服务器反馈计算结果影响的情况,提出一种基于虚拟机迁移的能量收集MEC系统资源分配策略。考虑用户移动性影响,分别给出用户移动性模型和能量收集模型;采用虚拟机迁移方式,把用户卸载给初始MEC服务器的计算任务转移到当前MEC服务器,由当前MEC服务器完成计算任务,计算结果直接反馈给用户;综合考虑用户卸载计算任务和MEC服务器反馈计算结果,将功率和子载波分配问题建模为混合整数非线性规划问题,在满足能量消耗、子载波分配和发射功率的约束条件下,最大化系统能量效率。为了降低求解复杂度,通过引入遗传算法,获得次优解。仿真结果表明,与基于遗传算法的局部功率或子载波分配方法相比,提出的方法具有更高的能量效率。     

移动边缘计算中的无人机群协同任务卸载策略研究

针对应急灾害中通信受限的场景,研究了基于移动边缘计算(mobile edge computing, MEC)的无人机群(unmanned aerial vehicles,UAV)协同任务卸载问题。在对系统通信过程和计算过程的延时与能耗分析的基础上,设计联盟效用函数和回报函数,并基于享乐博弈模型提出联盟分割形成算法。理论分析证明,该算法最终收敛于某个稳定的联盟分割。仿真结果表明,相比其他典型策略,提出的策略具有更低延时和能耗,能够提升用户服务体验、增加设备续航时间,解决通信受限问题。     

一种基于强化学习的车联网边缘计算卸载策略

计算密集型、时延敏感型车载应用的不断涌现导致资源受限的车载终端设备无法在短时间内处理大量的应用任务,而且卸载节点的动态变化特性在复杂多变的车联网场景中会导致任务候选卸载节点存在不确定性。针对上述问题,提出一种基于强化学习的计算卸载策略来实现任务卸载预判和计算资源分配。结合设备链接时间与通信半径等因素制定卸载节点发现机制,通过考虑时延与成本对车联网移动边缘计算卸载系统的影响建立效用函数,并以最大化效用作为优化目标将车联网中的卸载问题转化为优化问题,基于卸载节点发现机制采用Q-learning方法提出一种智能节点选择卸载算法求解优化问题,实现任务的智能卸载。仿真结果表明,在车联网场景中,提出的计算卸载策略可实现更高的系统效用。     

一种有的图像边缘修正方法

在实验的基础上，从视觉心得学出发，对边缘检测结果的不理想情况进行分析和归纳，提出适合于边缘修正处理的链表型数据结构，并说明了边缘图像映射到数据结构中去的过程。根据目标域的线性、平等及封闭约束和图像边缘的长度约束以边缘出错类型，开成修正规则与算法。最后给出了修正处理的实验结果。