用于蚕茧荧光光谱分析的激光实验装置

荧光光谱分析是利用物体的荧光光谱进行各种化学分析和物理研究的物理方法。利用常规的荧光光谱分析可以发     

电涡流式钞票厚度检测传感器设计

在ATM机和纸币清分机中,钞票的厚度检测是必须的功能,通过钞票的厚度特征可以识别钞票上粘贴的胶带和折角等,从而剔除不合格钞票。本文论述了一种电涡流式钞票厚度检测传感器,采用并列的结构相同的多路厚度传感器,通过每路独立的厚度传感器检测出来的信号,拼接成整张钞票的厚度特征,从而识别钞票是否有异常。本传感器具有电路简单、成本低、检测范围大等优点。     

激光在光度分析中的应用

本文综述了激光在光度分析中的应用现状,重点介绍了激光诱导荧光光谱分析法、激光光声光谱分析法、激光光热光谱分析法、激光腔内吸收光谱法和半导体激光器在光度分析中应用的新进展。     

光衰变的分析

激光感应的荧光的肘间变化过程与发射波长的关系，似乎构成一种新的光谱信号，由于它的测量比荧光振幅测量更为可靠，故荧光衰变在远程传感的应用上，可提供更为精确的分辨能力，甚至可在光谱分析方面，开辟一个新的领域。为了改进激光荧光传感器的效能，研究 了荧光衰变光谱。该仪器可能的应用包括：油温的鉴定、海藻的分布探查，以及水的温度、性质、运动的监测。     

光纤荧光探针

荧光光谱分析是一种重要的测试手段。近年来,基于光纤探针的荧光测试技术成为研究热点,这种方法具有高效、微观、实时、原位、体积小易集成等优势。简要综述荧光分析原理、光纤探针中激光发射与荧光收集的空间传导理论,以及光纤荧光探针的典型结构与制备,总结了应用于生物、环境和食品安全领域的研究状况。最后,对光纤荧光探针的发展趋势进行了展望。     

应用激光诱发荧光诊断不同物质导致的白鼠肝纤维化

本文应用激光诱导荧光的方法,对不同物质诱发白鼠的肝纤维化的肝组织进行了荧光光谱分析,发现经过注射不同物质的白鼠的肝组织与正常白鼠的肝组织的荧光光谱有明显不同,这一结果对于研究肝纤维化的起因和对肝纤维化进行早期诊断有重要参考价值。     

油储外围介质的激光诱导荧光光谱分析

石油的长期生成演化在油储外围介质中留下了反映油气存在的“指示物”。对这些介质取样的激光诱导荧光光谱分析研究表明,激光荧光光谱可以揭示油砂、钻井岩心、浅层水、土壤等油气藏外围介质中所含的油气“指示物”——芳烃,且不同激发波长所对应的介质取样荧光光谱反映着不同的油气芳烃组份。这对于用光谱分析法开展大面积找油具有指导意义。     

激光诱导荧光光谱分析法研究（Ⅷ）：Tb—AA—TOPO—SLS的荧光特性及应用

本文采用自己组装的激光诱导荧光光谱测定装置,研究了铽-乙酰丙酮-三正辛基膦化氧-十二烷基磺酸钠(Tb-AA-TOPO-SLS)体系的激光诱导发光特性和能量传递机制。首次在室温测得AA的磷光发射,拟定出测定痕量铽的激光诱导荧光光谱分析方法。     

口服ALA脑肿瘤光敏诊断的实验研究

目的:探求ALA口服在脑肿瘤光敏诊断中的最佳剂量、口服后最佳诊断时间、效果、阳性率、假阳性率、假阴性率及光谱分析的方法。方法:口服不同剂量的ALA(20mg/kg、40mg/kg、60mg/kg),不同时间(3小时、4小时、5小时、6小时)以激光诱导荧光OMA检测系统测定无脑瘤正常鼠二侧大脑半球,及G422脑胶质母细胞瘤模型的脑肿瘤、正常脑组织的荧光,并经各种方法进行数据处理,寻求脑肿瘤、正常脑组织相对值相差最大的合适的ALA口服剂量及诊断时间。诊断的阳性率、假阳性率、假阴性率。并将标本作病理检查。结果:脑肿瘤、正常脑组织相对值相差最小剂量及时间是在ALA40mg/kg,服ALA后4小时时比值最大。将标本作病理检查,诊断的阳性率为84%、假阳性率10%、假阴性率16%。结论:从实验数据分析口服ALA经OMA荧光光谱分析能作脑肿瘤荧光诊断,剂量以40mg/kg,服ALA后4小时左右作荧光光谱分析较合适。     

生物气溶胶的激光光谱识别研究

生物气溶胶对人类的健康，动植物的生长可构成很大的威胁，生物气溶胶的激光光谱识别和荧光雷达探测研究有利于人类与传染疾病作斗争，有条件采样单粒子生物气溶胶荧光光谱分析仪在荧光收集系统之后巧妙地把粒子的弹性散射光和未经色散的荧光安产生和时间先后分成四个部分，光谱仪有条件采样过程要降低数据采集和数据处理速率，提高信噪比，有条件触发单粒子生物气溶胶荧光光谱分析的光源为一台连续的Ａｒ＾＋激光器和一台四倍频Ｎｄ     

基于改进深度卷积神经网络的纸币识别研究

针对如何提高纸币识别率的问题,该文提出一种改进深度卷积神经网络(DCNN)的纸币识别算法。该算法首先通过融合迁移学习、带泄露整流(Leaky ReLU)函数、批量归一化(BN)和多层次残差单元构造深度卷积层,对输入的不同尺寸纸币进行稳定而快速的特征提取与学习;然后采用改进的多层次空间金字塔池化算法对提取的纸币特征实现固定大小的输出表示;最后通过网络全连接层和softmax层实现纸币图像分类。实验结果表明,该算法在分类性能、泛化能力与稳定性上明显优于常用的纸币分类算法;同时该算法也能够满足纸币清分系统的实时性要求。     

钞票多光谱光电信号的分析

文中介绍了钞票的光反射和透射机理及钞票的光反射和透射检测技术。通过对其机理的研究和对比实验,找到真假钞票在光和爱射方面的特性差异,有针对性地利用其特性研制有关检测电路及光反射 和透射检测系统,可实现对钞票的检伪和识别。该技术可直接用于金融器具的制作,提高金融器具对钞票的检伪和识别,极具实用价值。     

冠字号云存储管理系统设计

文中云存储纸币冠字号码追踪系统提供冠字号、钞票流转信息以及图像数据等大数据的存储、快速检索、定时数据清理,建立接大数据分析系统,实时并发接收和存储多种生产设备产生的记录数据,形成大数据存储仓库,根据用户需要对大数据执行高速查询分析任务。采用HDFS云存储文件系统,以云服务的形式提供图像的存储、冠字号等数据的高速并行存储,以及所有数据的定时清理、检索服务,实现对海量数据高性能、高可靠性支持和较强的在线扩容能力。     

复杂衬底下的涂层厚度定量检测方法研究

纸币是国家发行并强制使用的货币符号,2019年中国人民银行发行的2019年版第五套人民币纸币,两面采用了抗脏污保护涂层,使纸币的整洁度明显改善。作为“国家名片”,在纸币生产过程中,对每一道工艺都有严格的质量控制,涂层是通过涂布机将涂布液转移、固化至纸币两面,由此称为涂布工艺。为了更加合理地控制涂布质量,生产中需要检测纸币涂层的厚度。针对该需求,文中建立了纸币图纹作为复杂衬底的涂层厚度光学漫反射模型,采用傅里叶近红外光谱仪和激光共聚焦显微系统对已涂布和未涂布的纸币进行识别并定量检测。文中首先根据涂层物质在近红外光谱可被有效识别的特点,对涂层的近红外吸收光谱数据提出了基于多元散射校正（MSC）与二阶导组合的分析方法,确定4 346.764 cm?1为特征波数。再根据反射率、粗糙度对涂层厚度的模型解耦,最后通过激光共聚焦显微系统检测了已涂布纸币的涂层变化,并将其与模型的厚度解耦结果关联,得出测量涂层厚度最小为3.807 μm,最大为12.738 μm。最终结果表明该检测方法对纸币生产中涂层质量控制具有重要的实践指导意义。     

日光诱导叶绿素荧光高光谱成像仪研究(特邀)

研究了一种可用于植被日光诱导叶绿素荧光遥感的高光谱成像仪样机,用以满足对植被微弱荧光辐射探测的高信噪比、高光谱分辨率的科学探测需求。根据荧光与太阳夫琅禾费线的作用探测机理,结合探测科学需求分析完成了具备高性能的光学系统设计。系统工作波段为670~780 nm的可见-近红外谱段,可覆盖植物受太阳光照射而产生的荧光辐射特征波长;系统数值孔径为0.25,这种大通光能力可确保系统具备足够的信噪比;系统光谱分辨率优于0.3 nm,并同时具备良好的成像质量。样机的初步结果完全满足设计要求,该研究将为我国未来日光诱导叶绿素荧光高光谱成像探测提供一种有力的手段。     

基于荧光光谱成像与聚类分析的鹿茸鉴别研究

提出应用荧光光谱成像技术对鹿茸饮片进行检测,以期为鹿茸真伪鉴别提供一种快速无损的检测方法。采用凝视式荧光光谱成像装置,对不同来源的13种鹿茸样品进行了荧光光谱成像分析,从各样品的光谱立方体中提取了其特征光谱曲线,并采用欧氏聚类分析方法对特征曲线进行解析。系统所用光源为中心波长254nm的窄带紫外光源,光谱分辨率为5nm,扫描范围为410~670nm,空间分辨率为4 000×4 000。光谱成像检测结果与作为对照实验的性状、显微鉴别结果一致,表明荧光光谱成像法可用于鹿茸的真伪鉴别,且方法简便和客观。     

红外图像处理在钞票鉴伪中的应用

针对钞票红外图像的特点,提出一种新的钞票鉴伪方法。首先,设计出合适的阈值算法分割图像;然后,对图像进行二值形态运算以提取出钞票的凹凸信息。实验证明,该方法稳定性好、准确率高,弥补了现有的钞票鉴伪设备不能对凹版印刷防伪点进行检测的不足。     

基于图像配准的纸币图像识别方法

提出了基于图像配准的多光谱纸币图像识别架构,通过对纸币图像的配准来实现相似纸币识别、纸币防伪特征检测。由于纸币图像同时具有显著的结构特性和不稳定的局部特性,采用分级的变换模型对纸币图像配准：对于全局的刚性形变采用基于Harris角点特征的仿射变换算法,对于纸币图像局部非刚性形变采用基于B-样条的FFD模型的非刚性配准算法。实验表明,本模型能很好的完成纸币图像的配准,并在相似纸币识别和红外防伪特征检测方面能达到较高的精确度。     

新的纸币图像特征提取方法

综合利用Contourlet变换和模糊逻辑方法的优点,提出一种新的基于Contourlet变换和模糊逻辑的纸币图像特征提取方法.该方法通过对纸币图像进行Contourlet变换,提取纸币图像在不同尺度不同方向上的变换系数.把提取的系数作为语言变量,在此基础上引入模糊逻辑方法,计算出模糊特征空间中每个模糊区域的激活强度值,并将其进行归一化处理后构成纸币的特征向量.同时结合纸币的儿何特征来进行粗分类.采用神经网络作为识别分类器并且在识别阶段引入拒识类.实验结果表明,提出的方法取得了较高的识别率并且满足清分系统实时性的要求,该方法已经在一个资源约束的嵌入式系统中得到应用.