硅传感器研发混合 SoI CMOS 单片 CCPD 演示器 CLICpix Cracov CLIPS (CLIC) ALICE 调查员 CLICTD Malta/Monopix ATLASpix(Mu3ePix) C3DP+CLICpix 传感器平面平面平面 HR-CMOS 标准 HR-CMOS 改进工艺 HV-CMOS 连接至读出电子元件凸块粘合 SoI SoI 单片单片单片 CC 带胶 ASIC 技术 (nm) 65 200 200 180(TJ) 180(TJ) 180(TJ)/150(LF) 180(AMS)/150(LF) 65 厚度 (µm) 50 / 200 300 / 500 100 / 500 100 50 / 100 100 60 50 间距/单元尺寸 (µm x µm) 25 x 25 30 x 30 20 x 20 28 x 28 30 x 300 36 x 36 40 x 130 25 x 25 命中分辨率 (µm) 9 / 3.5 5/2 4 4 12 7 时间分辨率 (ns) 6 < 10 5 7 最大 NIEL (1 MeV neq/cm2)/TID (Mrad) O(10
AI 人工智能 ANL 阿贡国家实验室 API 应用程序编程接口 AWS 亚马逊网络服务 BigEarth BigEarth 欧洲研究委员会 CADES 科学计算和数据环境 CNCF 云原生计算基金会 CV 计算机视觉 CVPR 计算机视觉和模式识别会议 DARPA 国防高级研究计划局 DARPA STO 国防高级研究计划局战略技术办公室 DHS 国土安全部 DL 深度学习 DOE 能源部 EO 地球观测 FEMA 联邦紧急事务管理局 FPGA 现场可编程门阵列 FTP 文件传输协议 GCP 谷歌云平台 GDAL 地理空间数据抽象库 GeoAI 用于地理知识发现的人工智能 GIS 地理信息科学 HDD 硬盘驱动器 HPC 高性能计算 HTTP 超文本传输协议 IoT 物联网 MIT 麻省理工学院 ML 机器学习 NAIP 国家农业图像计划 NASA 美国国家航空航天局 Navy 海军信息战中心太平洋 NCCS 国家计算科学中心 NDAAS NSG 数据分析建筑服务 NDWI 归一化差异 水指数 NGA 国家地理空间情报局 NISR 巴西 国家空间研究所 巴西
Belle II实验的检测器和在未来电子峰值事件中的顶级夸克质量质量在其指导下在Colduscular Physics(混合中心瓦伦西亚大学和CSIC)的指导下进行。
独特的中央生产过程的测量将使大型强子对撞机物理项目扩展到电弱领域和 QCD 领域成为可能,并且对物理的特殊敏感性超出了标准模型。为此,最近安装了 CMS-TOTEM 精密质子光谱仪,旨在在高亮度大型强子对撞机的正常操作条件下运行。光谱仪由位置和时间探测器组成,安装在距 CMS 两侧交互点约 210 m 的位置,位于称为“罗马罐”的移动结构内,可让您更接近光束。从相互作用中完好无损地出现的散射质子,仅损失了一小部分动量,被光束包络外部的大型强子对撞机磁铁偏转,并用硅像素探测器平面进行测量。相反,需要时间探测器来确定主顶点,利用两侧两个质子的到达时间信息,并在此基础上大大减少由于许多堆积事件而导致的背景。由于探测器将受到高辐射注量(估计约为 3 × 10 15 n eq / cm 2 ),因此 CT-PPS 跟踪器选择了所谓的 3D 硅像素传感器。来自三个主要制造商(CNM、FBK 和 SINTEF)的传感器在实验室和辐照前后的光束上进行了测量,以评估其特性和性能。最终探测器中使用了 CNM 传感器,以及为 CMS 像素跟踪器第一阶段升级而开发的读出芯片。两个六层空间站在 2016/2017 年大型强子对撞机冬季停运结束时进行了组装、测试和安装。探测器的调试正在进行中,通过使用从中心像素跟踪器开始开发的采集软件。检测器已经过校准,能够在 CMS 采集链内获取数据。第一次比对运行的数据已成功收集,分析正在进行中。
摘要:ATLAS 是 LHC 的两个主要实验之一,目的是研究物质的微观特性,以回答粒子物理学最基本的问题。在首次数据运行取得成功之后,LHC 通过三次加速器升级,突破了质心和亮度的能量极限,从而扩大了新发现和精确测量的可能性,最终形成了高亮度 LHC(HL-LHC)。 )。为了充分利用增加的亮度,计划对 ATLAS 内部探测器进行两次重大升级。第一次升级已于 2015 年初完成,插入了 IBL,即距离光束线仅 3.2 厘米的第四个像素层。第二次重大升级定于 2024 年进行,整个内部探测器将被完全由硅器件制成的全新内部跟踪装置取代,以应对 HL-LHC 的高粒子密度和强辐射环境,该装置在运行期间运行期间将提供 3000 fb −1,几乎是整个 LHC 计划内部光度平均值的十倍。本论文讨论的是
摘要 - 如何在背景估计中实现竞争精度和更少的计算时间仍然是一项棘手的任务。在本文中,基于子苏皮纸模型提出了一种有效的视频序列背景减法方法。在我们的算法中,使用简单的线性迭代聚类方法构造了第一个帧的超级像素。将框架从颜色格式转换为灰色级别后,将初始超像素分为k较小的单元,即子串联像素,通过k均值聚类算法。然后,通过将每个亚固体像素表示为多维特征向量来初始化背景模型。对于随后的帧,子安排像素表示和加权度量检测到移动对象。为了处理幽灵伪像,根据每个集群中心表示的像素数量,设计了一个背景模型更新策略。由于每个超像素是通过子蛋白像素表示形式固定的,因此所提出的方法更有效,并实现了背景扣除的竞争性。实验结果证明了该方法的有效性。
n 传感器头 SH91 提供等分辨率全色、彩色和彩色红外图像,并允许在全色和彩色中进行立体观察 n 传感器头 SH92 提供等分辨率全色、彩色和彩色红外图像,并允许在从全色到彩色红外的所有波段中进行全立体观察 n 嵌入式 Leica IPAS Freebird 支持多种可互换 IMU n 新型大容量内存 MM80 闪存盘技术简化了数据记录和飞行中数据备份并减少了有效载荷 n 大量图像处理和解释包支持 Leica ADS80 图像
图像控制和处理 RA1000 系列相机可通过其行业标准 Camera Link 接口与流行的现成图像采集卡板进行连接。通过 Adimec 与知名成像设备供应商的合作,还可以实现其他接口选项。Adimec 能够提供额外的相机功能,并为大批量项目创建客户专用相机。如需更多信息,请联系您最近的 Adimec 办事处。