首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn；　baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果，内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    太赫兹偏振保持亚波长波导链路功率预算分析

    刘亚静李海粟李晶任国斌...
    449-458页
    查看更多>>摘要：为了探究太赫兹偏振保持波导在太赫兹通信系统链路中对传输信号的影响,本工作提出波导链路功率预算模型,研究了偏振保持亚波长介质波导的性能参数(长度、损耗、色散和双折射)对太赫兹幅移键控(amplitude shift keying,ASK)调制系统通信性能的影响,计算了不同发射功率、波导长度、调制信号特征时间宽度、调制信号周期时,两个正交偏振态信号的接收功率、信号与干扰加噪声比(signal-to-interference-plus-noise ratio,SINR)和相干、非相干解调误码率(bit error rate,BER).研究结果显示,通过合理设计波导结构,该系统可实现高速(3.33 Gbit/s)、低BRE(低于前向纠错极限10-3)通信.本工作揭示了太赫兹亚波长波导长度、损耗、群速度色散(group velocity disper-sion,GVD)和双折射对通信性能的影响机制,对研发基于太赫兹波导链路的宽带通信系统具有积极意义.

    波导偏振保持太赫兹通信功率预算

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    部分相干成像系统分辨极限研究

    刘爽胡小英景心怡李昊...
    459-466页
    查看更多>>摘要：部分相干理论的引入丰富了光学成像分辨领域的研究,相较于理想情况下的完全相干和完全非相干光照明两点成像系统,部分相干成像系统的分辨率显著提升.本文设计了部分相干光照明两点成像系统,建立像面光强分布的数学模型,利用MATLAB仿真模拟不同空间相干性光源产生的辐射特性和两点间距对成像分辨的影响;并给出部分相干成像系统分辨极限的判定方法:当且仅当像面光强分布的峰值和谷值相等时可判定两点光源恰可分辨;以及不同相干度的光源照明成像系统分辨率的计算方法和差异.同时设计并搭建实验平台,实验结果验证了相干度分别为0、0.9和1.0时,成像分辨极限分别为1.0 mm、1.4 mm和1.5 mm,误差范围小于5％,说明实验结果与理论结果吻合.

    成像分辨极限部分相干光光场分布衍射

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于钯金复合膜亚波长圆孔阵列的氢气传感器的理论研究

    张钰赵郝鑫徐贲龚华平...
    467-474页
    查看更多>>摘要：提出了一种基于钯金(Pd/Au)复合膜的亚波长圆孔阵列结构的氢气传感模型,用于氢气泄漏及氢气浓度检测.利用时域有限差分法(finite-difference time-domain,FDTD)对该Pd/Au复合膜亚波长圆孔阵列结构进行模拟仿真,计算其复合膜的横纵截面电场能量分布及透射特性,并进一步分析在不同结构参数下该传感结构的异常光透射(extraordinary optical transmission,EOT)特性和传感特性.模拟结果表明:Pd/Au复合膜亚波长圆孔阵列结构可产生明显的EOT效应,形成两个突出的异常透射峰,记作峰Ⅰ、峰Ⅱ.当通入氢气时,钯(Pd)膜会吸收氢气引起Pd介电常数的变化,导致EOT特性发生改变,具体表现为波长和透射率的改变.氢气浓度由0％上升至4％时,峰Ⅰ和峰Ⅱ的透射率变化量分别可达到0.16和0.24.由于其透射率强度变化比较明显,因此可通过透射峰强度变化来实现对氢气浓度的监控和检测.本文所提出的基于Pd/Au复合膜的亚波长圆孔阵列结构的氢气传感器的圆孔结构加工简单,所镀的Pd膜很薄使传感器响应速度快,EOT效应使该结构信噪比(signal-to-noise ratio,SNR)高,可利用光电集成技术进行批量生产,具有很强的实用价值.

    氢气传感表面等离激元(SPs)折射率传感钯金(Pd/Au)复合膜

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    高功率1550 nm多结VCSEL的设计与仿真

    谭云飞王伟
    475-482页
    查看更多>>摘要：在激光雷达应用场景下,高功率垂直腔面发射激光器(vertical cavity surface emitting laser,VCSEL)越来越受到关注.而在长波波段,1 550 nm器件一直存在输出功率不够理想,功率转化效率低等问题.目前,多结VCSEL是获得高功率、高功率转换效率(power con-versionefficiency,PCE)、高光功率密度、高斜率效率(slope efficiency,SE)的关键技术.本文将1 550 nm VCSEL与多结技术结合,旨在设计出高功率的1550 nm器件,最终成功设计并仿真了不同直径(15 µm、20 μm、30 µm、50 µm、100 μm)多结(1-4 结)1 550 nm 的 VCSEL 器件.通过对比不同参数器件的输出功率,发现器件的输出功率随结数和直径的增加而增大,最大功率能达到2217mW(4结100μmVCSEL).并且仿真结果表明30μmVCSEL的输出特性相对较好:单结结构的SE优于50µm和100 μm器件,为0.39 W/A;在多结结构中,30μm优于15μm和20μm的器件,分别为0.89 W/A(2结)、1.55 W/A(3结)、1.79 W/A(4结).最后研究分析了 30 µm VCSEL PCE和远场分布,发现SE随结数增加而显著增加,最高为3结的40.4％,驱动电流只有1 A,这是单结PCE的6.2倍;3结的输出功率也高达1 549 mW,而光束发散角单多结器件之间几乎没有差别,约为5°.以上结果为1 550 nm VC-SEL作为激光雷达系统和3D传感的光源应用提供了很好的器件研究基础.

    垂直腔面发射激光器(VCSEL)多结激光雷达(Lidar)1550nm

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于卷积神经网络与注意力机制的高光谱图像分类

    高玉鹏闫伟红潘新
    483-489页
    查看更多>>摘要：由于浅层卷积神经网络(convolutional neural network,CNN)模型感受野的限制,无法捕获远距离特征,在高光谱图像(hyperspectral image,HSI)分类问题中无法充分利用图像空间-光谱信息,很难获得较高精度的分类结果.针对上述问题,本文提出了一种基于卷积神经网络与注意力机制的模型(model based on convolutional neural network and attention mechanism,CNNAM),该模型利用CA(coordinate attention)对图像通道数据进行位置编码,并利用以自注意力机制为核心架构的Transformer模块对其进行远距离特征提取以解决CNN感受野的限制问题.CNNAM在In-dian Pines和Salinas两个数据集上得到的总体分类精度分别为97.63％和99.34％,对比于其他模型,本文提出的模型表现出更好的分类性能.另外,本文以是否结合CA为参考进行了消融实验,并证明了CA在CNNAM中发挥重要作用.实验证明将传统CNN与注意力机制相结合可以在HSI分类问题中获得更高的分类精度.

    高光谱图像分类(HSI)卷积神经网络(CNN)coordinateattentionTransformer

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于强化特征提取的视网膜血管分割

    孙国栋闫丰亭史志才
    490-498页
    查看更多>>摘要：视网膜血管的分割精确率对眼科疾病和糖尿病早期诊断有着重要影响.面对现有方法在微血管与病变区域分割性能差的问题,本文提出一种强化提取血管特征的分割模型.该模型在编码部位引入多尺度特征提取残差模块(multi-scale feature extraction residual module,MFE-residu-al)和多级残差空洞卷积层,用来扩展感受野,学习多层次图像特征,提高模型对血管信息的利用率;下采样和短连接部位分别融入轻量化注意力机制和多通道注意力模块,增加模型对血管的识别度,降低误分割的可能性.本文基于DRIVE和STARE两种公开数据集进行了实验,来验证改进模型的分割能力.结果表明,两种数据上的准确率分别为0.9652和0.9715,灵敏度分别为0.8205和0.8256,与其他算法相比,分割性能更有优势.

    图像处理视网膜血管分割Unet卷积神经网络(CNN)多尺度特征提取多通道注意力机制

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于残差网络的无监督角膜视频分割算法

    白金帅刘凤连李婧谭左平...
    499-505页
    查看更多>>摘要：基于角膜形变计算出一系列生物力学特性参数是训练早期圆锥角膜分类模型的数据基础,因此圆锥角膜轮廓分割的精确性直接影响着早期圆锥角膜分类模型的准确性.本文提出了一种基于残差网络的无监督角膜视频分割方法.通过统一的网格化采样提取一组锚点被同序列视频帧所共用,从而减小网络模型学习特征表示的计算量并且提高了计算效率.同时设计了一个正则化分支对原有的视频集进行相似性转换来解决可能存在的退化解问题.与已有的无监督视频分割任务相比,本实验模型使用了少量的训练数据,但却取得了更高的分割精度和计算效率.

    分割算法圆锥角膜残差网络锚点退化解

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于双通道注意力的轻量化PCB缺陷检测研究

    彭辉周博文欧阳婉卿罗江宏...
    506-515页
    查看更多>>摘要：印刷电路板(printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法.将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度.通过多组实验,结果表明,改进算法所有类别的平均mAP为99.14％,且模型的GFLOPs为7.194 G,Params 为 7.175,原始的 YOLOv5s 平均 mAP 为 96.86％,GFLOPs 为 6.89 G,Params 为 6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25％,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署.

    缺陷检测YOLOv5双通道注意力多尺度

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    相位测量偏折术中基于多频相移法的寄生反射抑制法

    黄思亚刘元坤
    516-524页
    查看更多>>摘要：相位测量偏折术(phase measuring deflectometry,PMD)是一种针对镜面和类镜面物体的光学三维面形测量技术.但在测量透明物体时,后表面反射光将与前表面反射光混合,从而造成条纹图案混叠,进而引入测量误差.为解决这一问题,本文提出了一种基于多频相移法的后表面反射抑制方法.通过分析相位误差与条纹频率之间的关系,并借助调制度曲线和构造的辅助函数,找到一个特殊的频率,理论上该频率下展开的连续相位等于前表面的相位.又由于透镜的复杂性,利用时间相位展开算法逐频展开的连续相位存在级次计算错误,为此提出了改进算法实现级次校正,进而得到该频率下的屏幕坐标,最终完成前表面面形的准确重建.透明镜片的实测结果表明,所提方法能从混叠条纹中顺利解调出前表面相位.

    相位测量偏折术(PMD)寄生反射多频法

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于多模态迭代及修正的文本识别算法

    强观臣张丽真杨茜熊炜...
    525-535页
    查看更多>>摘要：针对场景文本识别在长距离建模时容易产生信息丢失和对低分辨率文本图像表征能力较弱的问题,提出了一种基于多模态迭代及修正的文本识别算法.本文算法的视觉模型(vision model)是由 CoTNet(contextual transformer networks for visual recognition)、动态卷积注意力模块(dynamic convolution attention module,DCAM)、EA-Encoder(external attention encoder)和位置注意力机制组合而成的.其中CoTNet可以有效起到缓解长距离建模产生的信息丢失问题;DCAM在增强表征能力、专注于重要特征的同时,将重要的特征传给EA-Encoder,进而提高CoTNet和EA-Encoder之间的联系;EA-Encoder可以学习整个数据集上最优区分度的特征,捕获最有语义信息的部分,进而增强表征能力.经过视觉模型后,再经过文本修正模块(text correction model)和融合模块(fusion model)得到最终的识别结果.实验数据显示,本文所提出的算法在多个公共场景文本数据集上表现良好,尤其是在不规则数据集ICDAR2015上准确率高达85.9％.

    场景文本识别动态卷积注意力模块外部注意力机制编码器

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据