用于等离子体诊断的新型X射线谱仪

为了诊断热核聚变等离子体状态,研制了用于热 斑区等离子体诊断用的新型X射线谱仪,能够同 时探测X射线光谱与聚爆靶图像信息。光谱检测功能由4块椭圆晶体分析器实现,分别覆盖2~20keV能带范围不同能带的X射;图像检测功能由分幅相机匹配小孔 阵列成像完成,理想状态能够得到20幅不同时间的聚爆靶图像。在中 物院“神光- Ⅱ”升级装置上进行了打靶实验,获取了X射线光谱与聚爆靶图像信号。分析了光谱及图像 信息,并针对光谱 仪漏光问题改进了谱仪结构。在神光-Ⅲ原型装置上进行了验证实验,获得比较理想的 图像信号,信噪比(SNR)数据达到30。     

激光等离子体X射线成像诊断研究

为了诊断激光等离 子体X射线二维空间信息,基于Bragg衍射原理建立了等离子体X射线背光成像系统,其核心 元件为石英球面弯曲晶 体,弯曲半径为143mm。在中国工程物理研究院神光III原型激光装 置上,利用建立的系统,进行了单色X射线背光成像实验,激光聚焦到平面 Mg靶中心聚爆产生高温等离子体X射线为背光源,成像物体为15μm ×15μm网格阵列,X射线CCD得到了清晰的Mg靶 单色X射线二维网格图像。通过对背光图像分析,在7.8mm×2.6mm的视场范围,成像系统得到空间分辨率为5μm。实验 结果表明,基于石英球面弯曲晶体的X射线背光成像系统可以用于等离子体X射线诊断研究。     

球面晶体分析器在等离子体X射线诊断中的应用

为了诊断高温等离子体X射线,利用晶体布喇格衍射原理研制了新型的球面晶体分析器,α-石英为衍射晶体,球面的半径为250 mm.对球面晶体分析器分别进行静态X射线衍射实验和Z箍缩聚爆实验,富士磷屏(IP)成像板和感光胶片分别得到了清晰的Cu等离子体和Ti等离子体谱线.对实验所得谱线进行分析,石英球面晶体分析器光谱分辨力好于...     

基于石英球面弯曲晶体的X射线成像研究

为了诊断惯性约束聚变的聚爆靶的尺寸、形状、分布和均匀性等情况,利用X射线布拉格衍射理论,搭建了基于球面弯曲晶体的X射线背光成像系统。其核心元件是α-石英球面弯晶,α-石英晶体性质稳定,结构完整,反射率和分辨率高。弯曲晶体尺寸为65mm×20mm,弯曲半径为143.3mm。利用该背光成像系统进行了单色X射线背光成像实验。成像物体为3×3阵列的正方形不锈钢网格,利用接收装置磷屏成像板,得到清晰的Cr KαX射线背光源二维空间分辨,在9.6mm×28.7mm的视场范围内,其像的空间分辨率大约为83.3μm。实验结果表明α-石英球面弯曲晶体适合于X射线的背光诊断研究。     

球面弯晶实现X射线单能成像的研究

基于Bragg衍射原理,研制了一种对激光等离子体进行二维成像的球面晶体分析器。采用球面弯曲石英晶体作为分析器,X射线IP板作为成像器件。采用Cr靶X射线辐射金属网格（目标）,网格的网孔尺寸为200μm×200μm。通过球面弯晶对Cr靶Kα谱线的衍射,得到网格的二维单色衍射图像。实验结果表明,球面弯晶分析器具有较高的光谱...     

基于多锥晶体的多能点X射线光谱仪北大核心CSCD

为了克服传统弯曲晶体光谱仪存在检测的像差问题,基于衍射聚焦X射线特征能量谱范围、衍射光源位置、聚焦成像距离等关键的物理参数,设计了具有高光谱分辨力及宽光谱检测范围的多锥晶体X射线谱仪。从结构原理上讨论了该光谱仪的特点,研制完成了连续光滑的多锥表面X射线衍射聚焦弯曲晶体,通过单次X射线衍射聚焦诊断实验即能实现不同能量X射线无像差检测。对Ti的K_(α)与K_(β)射线光谱进行了多次衍射聚焦检测实验,获得了不同聚焦成像位置下的K_(α)与K_(β)特征谱线强度分布,并完成了光谱仪谱线聚焦能力与光谱分辨力分析。根据晶体对X射线聚焦程度与成像位置的关系,进行了不同聚焦成像位置处连续锥面光谱仪的聚焦性能分析,确定了最佳聚焦位置。实验结果表明:多锥晶体X射线光谱仪的聚焦能力得到显著提升,能谱检测范围可以覆盖4.51—5.14 keV,且在较大尺寸光源基础上仍能保证光谱分辨力达到600以上。     

X射线背光成像诊断的球面晶体分析器研究

在激光约束聚变和箍缩聚爆实验中,为了分析内爆 靶丸推进层的运动过程和评估激光辐射驱动的对称性和均匀性, 需要得到靶丸内爆单色X射线二维空间分辨信息。为了诊断内爆高温等离子体X射线二维空间 信息,利用晶体布喇格衍射 原理研制了新型的成像系统。系统的核心元件为球面晶体分析器,球面晶体为云母球面晶体 ,弯曲半径为143.3mm。在中 国工程物理研究院进行了单色X射线背光成像实验,磷屏成像板获得了清晰的Cr靶单色X射线 二维网格图像。通过对实验 所得背光图像分析,云母球面晶体成像系统得到的空间分辨率为86 μm。实验结果表明,云母球面晶体可以应用于等离子体X射线的背光成像诊断研究。     

弯晶谱仪在X射线探测中的应用

为了对激光等离子体进行诊断,研制了聚焦型椭圆弯晶谱仪用来探测等离子体辐射的X射线.谱仪利用从椭圆一个焦点发射出的光线经椭圆面反射必汇聚于另一焦点的性质而研制,椭圆的离心率和焦距分别为0.9586mm及1350mm.在此采用氟化锂(200)(2d=0.4027nm)作为晶体分析器,其布拉格衍射角变化范围为30～67.5°,可探测波长范嗣为0.2～O.37nm.在"神光-Ⅱ"激光装置上进行了打靶实验,利用软X射线CCD相机作为摄谱器件,该谱仪获得了钛的类He共振线(w)、磁四级M2跃迁x线、互组合跃迁y线、禁戒谱线(z)以及类Li谱线(q).实验结果表明该谱仪的最高光谱分辨率(λ/△λ)可以达到1000以上,能够用于激光等离子体X射线光谱学研究.     

激光等离子体X射线背光源诊断研究

为诊断激光驱动金属靶产生X射线背光源的性能,利用椭圆聚焦特性,研制了一种背光椭圆晶体谱仪。谱仪的色散分析元件为云母(002)晶体,椭圆弯晶的焦距为1350mm,离心率为0.9586。激光束以30°角斜入射背光薄靶,且与椭圆弯晶长轴方向垂直。背光椭圆弯晶谱仪的布拉格入射角为50°~67°,衍射探测角为100°~120°,探测的波长为0.14~0.16nm,采用X射线CCD相机接收信号。利用神光Ⅱ激光装置7#和8#激光器同时聚焦轰击10μm厚的Cu平面背光薄靶,CCD成功获取了Cu等离子体X射线的类氦和Kα谱线。经解谱发现谱线有明显基底,用最小二乘法差值去噪处理后,实测谱线分辨率(λ/Δλ)大于700。     

宽光谱在线弯晶谱仪研制

研制了高精度在线准直、超宽光谱范围和高能谱分辨的在线凸圆柱面弯晶谱仪。使用耦合针状CsI（Tl）闪烁体的大面阵CMOS相机对X射线光谱进行在线测量,用QTZ（1010）（2d=0.851 2 nm）X射线晶体的能谱测量范围是1.84~7.38 keV,能谱分辨880@2.375 keV,动态范围 1 000。在神光-Ⅲ主机高功率激光装置上,对钛激光等离子体发射的X射线谱进行实验测量,获得了优质的光谱图像;对钛离子X射线精细结构光谱进行了辨识,与理论计算和其他实验结果吻合。该谱仪用于神光-Ⅲ主机通用诊断搭载平台,具有抗瞬发超强电磁脉冲干扰能力,工作稳定。     

适用于快速三维形貌测量的二元结构光编码优化方法

基于计算机视觉的疲劳检测具有低侵入性、低成本 的优点,然而光照变化、面部表情、复杂背景等 仍然对检测率造成很大的影响。以卷积神经网络为代表的深度学习以其较强的特征提取能力 和鲁棒性在模 式识别领域取得了成功的应用。本文提出了一种基于级联卷积神经网络(CNN)结构的疲劳检 测算法。首先训练第 1级网络实现人眼与非人眼的分类,使网络充分学习人眼特征,当输入目标图像时,人眼区 域能快速从第 一级网络特征图中分离出来;然后将人眼图像传送给第2级网络检测眼部特征点位置,计算 眼睛张开度并 以此判断测试者眼睛状态,构造疲劳检测模型;最后根据连续多帧的眼睛状态序列,判断测 试者是否处于疲 劳状态。在检测误差为5%时,眼部4个特征点的平均检测正确率为93.10%,单点检测正确率 最高可达97.14%。 测试结果表明,在本文提出方法下眼睛的清醒和疲劳状态有明显的不同,证明本文提出的方 法有效可行,具有较好的应用前景。     

基于体素化图卷积网络的三维点云目标检测方法

针对激光雷达点云的稀疏性和空间离散分布的特点,通过结合体素划分和图表示方法设计了新的图卷积特征提取模块,提出一种基于体素化图卷积神经网络的激光雷达三维点云目标检测算法。该方法通过消除传统3D卷积神经网络的计算冗余性,不仅提升了网络的目标检测能力,并且提高了点云拓扑信息的分析能力。文中设计的方法在KITTI公开数据集的车辆、行人、骑行者的3D目标检测和鸟瞰图目标检测任务的检测性能相比基准网络均有了有效提升,尤其在车辆3D目标检测任务上最高提升了13.75%。实验表明:该方法采用图卷积特征提取模块有效提高了网络整体检测性能和数据拓扑关系的学习能力,为三维点云目标检测任务提供了新的方法。     

基于脑电信号深度迁移学习的驾驶疲劳检测

脑电信号一直被誉为疲劳检测的“金标准”,驾驶者的精神状态可通过对脑电信号的分析得到。但由于脑电信号具有非线性、非平稳性和空间分辨率低等特点,传统的机器学习方法在运用脑电信号进行疲劳检测时还存在识别率低,特征提取操作繁琐等不足。为此,该文基于脑电信号的电极-频率分布图,提出运用深度迁移学习实现的驾驶疲劳检测方法,即搭建深度卷积神经网络,并利用SEED脑电情绪数据集对其进行预训练,然后通过迁移学习方法将其用于驾驶疲劳检测。实验结果表明,卷积神经网络模型能够很好地从电极-频率分布图中获得与疲劳状态相关的特征信息,达到较好的识别效果。此外,基于迁移学习策略可以将训练好的深度网络模型迁移到其他识别任务上,有助于推动脑电信号在驾驶疲劳检测系统中的应用。     

Design and implementation of a real-time eye tracking system

Driver fatigue severely affects driver's alertness and ability to drive safely. There are vital problems related to drivers fatigue on driving of trains, vehicles and airplanes. Therefore, the driver fatigue research is important. In this paper, we first study the impact of eye locations on face recognition accuracy, with Haar-like feature and AdaBoost classifier, face and eye area can be detected quickly and accurately. In the part of eye tracking, cam-shift based mean-shift algorithm is used to track the eyes. This method could automatically adjust the size of tracking window according to the different posture of driver. The performance of our eye detection method is validated by using image database with more than 6000 pictures. In addition, our real-time eye tracking system has been tested on railway line segment (China). There are 5 train drivers involved in the experiment. The validation shows that our eye detector has an overall 93% eye detection rate.     

Light bottle transformer based large scale point cloud classification

With the rapid development of computer vision, point clouds technique was widely used in practical applications, such as obstacle detection, roadside detection, smart city construction, etc. However, how to efficiently identify the large scale point clouds is still an open challenge. For relieving the large computation consumption and low accuracy problem in point cloud classification, a large scale point cloud classification framework based on light bottle transformer (light-BotNet) is proposed. Firstly, the two-dimensional (2D) and three-dimensional (3D) feature values of large scale point cloud were extracted for constructing point cloud feature images, which employed the prior knowledge to normalize the point cloud features. Then, the feature images are input to the classification network, and the light-BotNet network is applied for point cloud classification. It is an interesting attempt to combine the traditional image features with the transformer network. For proving the performance of the proposed method, the large scale point cloud benchmark Oakland 3D is utilized. In the experiments, the proposed method achieved 98.1% accuracy on the Oakland 3D dataset. Compared with the other methods, it can both reduce the memory consumption and improve the classification accuracy in large scale point cloud classification.     

一种基于眼睛长宽比的船舵手疲劳检测方法

本文提出了一种基于眼睛长宽比的船舵手疲劳检测方法。实践证明,本文提出的疲劳航行检测方法,采用眼部信息而不是整个面部的信息来进行疲劳识别,数据量小,计算速度快。     

Driver fatigue detection based on deeply-learned facial expression representation

Driver fatigue detection is a significant application in smart cars. In order to improve the accuracy and timeliness of driver fatigue detection, a fatigue detection algorithm based on deeply-learned facial expression analysis is proposed. Specifically, the face key point detection model is first trained by multi block local binary patterns (MB-LBP) and Adaboost classifier. Subsequently, the eyes and mouth state are detected by using the trained model to detect the 24 facial features. Afterwards, we calculate the number of two parameters that can describe the driver's fatigue state and the proportion of the closed eye time within the unit time (PERCLOS) and yawning frequency. Finally, the fuzzy inference system is utilized to deduce the driver's fatigue state (normal, slight fatigue, severe fatigue). Experimental results show that the proposed algorithm can detect driver fatigue degree quickly and accurately.     

基于改进SBR算法的人脸特征点稳定检测

基于图像的特征点检测器在静态图像上取得了卓越的性能,然而这些方法应用于视频或序列图像时其精度和稳定性显著降低。配准监督(Supervision-by-Registration, SBR)算法利用光流算法(Lucas-Kanade, LK)追踪,可通过无标注视频训练针对视频的特征点检测器,已取得较好的结果,但LK算法仍存在一定局限性,导致检测的特征点序列在时空上的连贯性不强。为获得精准、稳定、连贯的人脸特征点序列检测效果,提出了平滑一致性损失函数、权重掩码函数对传统SBR网络模型进行改进。网络中添加长短期记忆网络(Long Short-Term Memory, LSTM)提高模型训练鲁棒性,在模型训练中使用平滑一致性损失函数提供稳定性约束,获得准确且稳定的人脸视频特征点检测器。在300VW、Youtube Celebrities数据集上的验证显示,SBR改进模型将人脸视频特征点检测的标准化平均误差(Normalized Mean Error, NME)从4.74降低至4.56,且视觉上人脸特征点检测的抖动显著减少。     

基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究

传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network,CNN）在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。     

基于XML的分布式多步骤入侵特征语言

分布式多步骤入侵的证据可能分散在不同的节点中,很多告警是多步骤攻击中的一个步骤,因此IDS有必要收集并关联不同来源的信息.本文提出了一种完全非集中方式,将分布式多步骤入侵场景建模为分布于被保护网络系统中多个节点上的检测子任务序列.文章为这种模式提出了一种基于XML的分布式多步骤入侵场景描述语言.