公开(公告)号：CN112561831A

公开(公告)日：2021-03-26

申请号：CN202011550463.7

申请日：2020-12-24

Applicant: 中国计量大学

Inventor： 牛浩 ,  李旸晖 ,  李润坤 ,  陈旺磊 ,  潘苑茹 ,  王乐

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习提取像差系数的畸变仿真及校正方法，包括：1)计算仿真出的携带畸变的图像的波前差的赛德尔多项式中畸变像差系数；计算波前差函数W；计算出对应的点扩散函数，将点扩散函数与清晰图像逐点卷积运算仿真出携带畸变的图像。2)将仿真出的携带畸变的图像和其对应的畸变像差系数作为训练对输入到卷积神经网络中进行学习训练，构建携带畸变的图像与畸变像差系数之间的映射关系，获得训练好的携带畸变的图像与畸变像差系数之间的映射关系的神经网络模型。3)网络测试过程中，通过把真实拍摄的需校正的图像输入到训练好的网络中，运用训练好的神经网络提取真实拍摄的需校正图像的畸变像差系数。4)将提取的畸变像差系数作为后续反卷积网络的输入，根据畸变像差系数计算出对应的点扩散函数，与真实拍摄的需校正的图像进行逐点反卷积运算达到畸变校正的目的。

公开(公告)号：CN112926157A

公开(公告)日：2021-06-08

申请号：CN202110267031.3

申请日：2021-03-10

Applicant: 中国计量大学

Inventor： 陈旺磊 ,  李旸晖 ,  李润坤 ,  牛浩 ,  潘苑茹 ,  王乐

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/18

Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。

公开(公告)号：CN112926157B

公开(公告)日：2023-06-27

申请号：CN202110267031.3

申请日：2021-03-10

Applicant: 中国计量大学

Inventor： 陈旺磊 ,  李旸晖 ,  李润坤 ,  牛浩 ,  潘苑茹 ,  王乐

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084 ,  G06F119/18

Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。

公开(公告)号：CN114820330A

公开(公告)日：2022-07-29

申请号：CN202110085267.5

申请日：2021-01-22

Applicant: 中国计量大学

Inventor： 李润坤 ,  李旸晖 ,  牛浩 ,  陈旺磊 ,  潘苑茹 ,  王乐

IPC: G06T5/00 ,  G06T5/50

Abstract: 本发明公开了一种增强型显微图像降噪恢复方法，包括：1)将高信噪比显微图像进行噪声叠加处理，获得低信噪比显微图像；2)将成对高、低信噪比显微图像作为训练数据对成对输入到图像降噪神经网络中进行训练，获得训练好的图像降噪神经网络模型；3)将待测试噪声图像分别与标准高斯噪声图像和标准椒盐噪声图像输入图像判别系统；4)利用图像代数运算法，对步骤3)中进行噪声水平评估并分类后的待测试噪声图像进行处理，得到预处理后的显微图像；5)将预处理后的显微图像作为输入，调用训练好的图像降噪神经网络模型，获得降噪恢复后的显微图像，实现显微图像的恢复；6)对降噪恢复后的显微图像进行输出与显示，获得对应的降噪恢复后的显微图像，从而达到显微图像降噪恢复的目的。

公开(公告)号：CN213041596U

公开(公告)日：2021-04-23

申请号：CN202022137659.5

申请日：2020-09-25

Applicant: 中国计量大学

Inventor： 张可为 ,  潘苑茹 ,  张宇梁

IPC: G01N1/24 ,  G01N1/28 ,  G01N21/71 ,  G01D21/02

Abstract: 本实用新型提供了一种可用于LIBS测量的便携气体收集装置，用于测量气体中重金属元素的含量。整个装置包括气体收集、气体处理和气体检测三部分，装置由控制台进行控制，气体收集部分包括吸气通道、吸气泵、气室、排气通道和排气泵，气体处理部分包括温度传感器、压力传感器和活塞，活塞位于气室底部并连有活塞杆，活塞杆由连杆和转盘控制移动，气体检测部分包括LIBS光谱测量系统，激光发生器和聚焦透镜位于气室石英窗口正上方，光谱采集系统处于气室侧壁外侧。装置最上方设有便携提手。该装置可以对气体进行快速收集与LIBS检测，具有气体检测效率高、准确度高的特点。