XiaoMi-AI文件搜索系统
World File Search System光学图像
激光驱动的相位分离和...
图1。激光驱动的相位分离在SI底物上的无定形硅阵线（A-SI 0.4 GE 0.6）纳米级薄膜。a）sige薄膜中相位分离后激光写作和组成重新分布的示意图。b）两个激光加工的7 µm宽的多晶sige（多形晶体）的光图像以扫描速度1和10 mm s -1（标记为10 mm s -1），显示了富含GE的带状核心和富含Sii的较不固定区域。自然色对比度的差异揭示了依赖扫描速度的GE重新分布。c）3 µm宽的激光写的微纹条的光学图像，根据表面上的GE组成，从蓝色到黄色的天然色调。d）激光书面微带的SEM显微照片，在激光处理后显示样品表面的地形特征。e）后冰片的电子检测器（BSED）显微照片显示了富含GE（明亮）和富含Si的（深色）区域之间的材料对比度。f）以0.1 mm s -1的扫描速度编写的激光写的微条的放大SEM和g）bsed显微照片。h -l）与上述相同，但为10 mm s -1（h，i）和50 mm s -1（k，l）。
用于太空监视的实时空间目标检测和跟踪算法的实现
摘要：天基目标监视对航天安全具有重要意义。然而，随着空间环境的日益复杂，恒星目标和强噪声干扰给空间目标检测带来了困难。同时，由于资源限制，星载处理平台难以兼顾实时性和计算性能。异构多核架构具备相应的处理能力，为天基应用提供了兼具实时性和计算性能的硬件实现平台。本文首次提出了一种光学图像序列中空间目标的多阶段联合检测与跟踪模型（MJDTM）。该模型结合改进的局部对比度法和卡尔曼滤波对潜在目标进行检测和跟踪，并利用运动状态的差异对恒星目标进行抑制。然后，建立了基于现场可编程门阵列（FPGA）和数字信号处理器（DSP）的异构多核处理系统，作为天基图像处理系统。最后，在上述图像处理系统上对MJDTM进行了优化和实现。使用模拟和实际图像序列进行的实验检验了MJDTM的准确性和效率，其检测概率为95％，而误报率为10 −4 。实验结果表明，该算法硬件实现仅需22.064 ms即可检测出1024×1024像素图像中的目标，满足天基监视的实时性要求。
使用分层 K 函数进行激光雷达数据分类 ...
使用分层 K 均值聚类的激光雷达数据分类 Nesrine Chehata a,b , Nicolas David b , Frédéric Bretar b a Institut EGID - Université Bordeaux 3 - Equipe GHYMAC Allée Daguin 33607 Pessac- Nesrine.Chehata@egid.u-bordeaux3.fr乙国家地理研究所 - MATIS Av. 实验室Pasteur 94165 St. Mandé cedex, France- nicolas.david@ign.fr, frederic.bretar@ign.fr Commission III, WG III/3 关键词：遥感、LIDAR、层次分类、DTM、多分辨率 摘要：本文涉及使用激光雷达点云过滤和分类来建模地形，更一般地用于场景分割。在本研究中，我们建议使用众所周知的 K 均值聚类算法来过滤和分割（点云）数据。K 均值聚类非常适合激光雷达数据处理，因为可以根据所需的类别使用不同的特征属性。当仅处理 3D 点云时，属性可能是几何或纹理的，但当联合使用光学图像和激光雷达数据时，属性也可能是光谱的。该算法基于固定的邻域大小，可以处理植被茂密的陡峭地貌、山区区域和呈现微地形的地形。我们的算法的新颖之处在于提供分层分割聚类来提取地面点。聚类分割的数量用于自动限定分类可靠性。这一点在以前的工作中很少被处理。此外景观< /div>
定量微分析探索者
电子微探针成像和定量成分映射：73002连续芯的抛光薄片（PTS）分布成50×25 mm的雷果石环氧粒粒度。使用JSC的键性光学显微镜系统获得这些PT的镶嵌光学图像图。随后使用华盛顿大学的JEOL JXA-8200电子微探针（EPMA）对PT进行映射。在15 kV和2 Na探头电流以70×放大倍率以15 kV和2 Na探头电流获取，并使用ImageJ Fiji fiji Grid缝线插件[3]缝合，以5K BSE MOSAIC基本映射与〜1.5 rigy 〜1.5Mpixel分辨率生成20K，并在70次倍率上获取了大约325张梁杆反向散射的电子（BSE）图像。对于每张73002载玻片，使用固定波长 - 启示光谱仪（WDS）获取五个EPMA阶段图。使用固定的10°M电子束在15 kV下，使用9.5 m电子束在1024×1024分辨率下进行每个阶段地图，并使用停留时间为25毫秒。在Pass 1中使用两次通过，以收集Mg，Al，Fe，Ca和Ti的X射线强度，而Na，Si，Mn，Mn，K和Cr在Pass 2中，总收购时间为18小时。每张地图。每张地图。
secbnet：光学卫星图像的语义分割增强色彩平衡网络
摘要 - 地球观察卫星可以在不同的时间，气候条件和平台形式下捕获光学图像，在颜色和亮度上表现出很大的差异，在合成大面积光学卫星图像时会导致视觉体验差。相关的颜色平衡问题引起了研究人员的极大关注，但诸如缺乏研究数据和对模型参数的敏感性之类的挑战持续存在。为了解决这些问题，本文发布了一个公开开放的数据集，并提出了语义细分增强色彩平衡网络（SECBNET）。首先，为了减轻研究数据的稀缺性，我们开发了一个公共可用的遥感图像颜色平衡数据集，Zhu hai色彩平衡图像（ZHCBI），以支持相关的研究活动。第二，为了提高颜色平衡图像和目标图像之间的语义一致性，我们设计了以分割结果为指导的双分支U-NET架构，并提出了一种新颖的分割特征损失函数。最后，为了解决分段处理中块之间的接缝问题和不自然的过渡，我们引入了一个基于加权平均的后处理模块。我们对ZHCBI数据集上的现有主流颜色平衡算法进行了比较实验和分析。结果表明，与其他主流方法相比，我们所提出的方法可实现最先进的颜色平衡质量，并具有显着改善的视觉效果和更高的峰信噪比（PSNR）（23.64 dB）。
AI引导的缺陷检测技术，以建模单晶
摘要。从过程发展的角度来看，通过化学蒸气沉积的钻石生长取得了显着的进步。但是，挑战在实现高质量和大区域材料生产方面持续存在。这些困难包括控制整个生长表面的均匀生长速率的控制条件。随着生长的进展，出现了各种因素或缺陷状态，改变了统一条件。这些变化会影响生长速率，并导致微观尺度上的晶体缺陷形成。但是，使用生长过程中拍摄的图像鉴定这些缺陷状态及其几何形状存在明显的方法。本文使用现场光学图像详细介绍了缺陷分割管道的开创性工作，以识别指示宏观上可见的有缺陷状态的特征。使用以前工作中应用的语义分割方法，这些缺陷状态和相应的导数特征是由其像素掩码隔离和分类的。使用注释以注释的人体软件体系结构来生成培训数据集，并使用主动学习，数据增强和模型辅助标记的模块进行选择性数据标记，我们的方法可实现有效的注释准确性，并大大降低了按幅度降低标签的时间和成本。在模型开发方面，我们发现基于深度学习的算法是最有效的。他们可以准确地从功能丰富的数据集中学习复杂的表示。基于Yolov3和DeepLabv3plus体系结构，我们表现最佳的模型为特定的特定特征实现了出色的精度。具体来说，中心缺陷的精度为93.35％，多晶缺陷的92.83％，边缘缺陷达到91.98％。
石墨烯梯度分布复合材料及其各向异性电磁反射
传统的制备方法通常采用多步组装不同活性填料含量的复合材料切片18,20或耗时的超临界二氧化碳技术19。与多层结构相比，连续变化活性填料含量可以更有效地降低反射，从而实现连续变化的阻抗。据我们所知，基于石墨烯含量连续变化的石墨烯复合材料的电磁吸波材料尚未见报道。本文提出了一种高效的电化学方法来制备石墨烯含量连续变化的还原氧化石墨烯/聚氨酯（rGO / PU）复合泡沫。该方法利用GO纳米颗粒的尺寸与其在电场中的迁移速度之间的负相关性。通过控制电泳时间来优化分布，梯度石墨烯复合材料表现出明显的电磁波各向异性反射。此外，当电磁波入射到石墨烯含量较低的表面时，整个 X 波段的反射率较低（< 30 dB），吸收率较高（> 99.5％）。 氧化石墨烯/聚氨酯 (GO/PU) 复合泡沫的制备电泳过程如方案 1 所示，设备的光学图像如图 S1 所示。将填充有氧化石墨烯溶液的 PU 泡沫放置在两个石墨电极之间，并在电极上施加 30 V 的直流电压一段时间。对于 GO 片上羧酸和酚羟基的电离，24 带负电的 GO 纳米片在外部电场下迁移到阳极。根据胶体理论，GO 的迁移速度 v 可以通过施加的电场 E
伪装对受监督的SAR超级...
合成孔径雷达（SAR）是一个尖端的遥感系统，在地球仪和环境监测中起着重要作用。高分辨率SAR成像提供了图像中的更细节，可以检测和识别地面上较小的对象和特征。然而，从理论上讲，侧面空气传播的雷达（SLAR）的分辨率受到倾斜范围的雷达带宽的限制，而在方位角[1]中的天线足迹宽度[1]实际上受到目标侧侧的降解[2]。为了克服这些问题，已经在[2、3、4、5]中提出了空间变体速差（SVA）算法及其旨在减少或取消旁观的变体。这些基于脉冲响应模型的这些不明显的算法在计算上是快速有效地减少侧叶的。但是，主叶宽度保持不变。可以使用基于神经网络的监督学习方法来解决后一个问题，通过利用配对高分辨率（HR）和低分辨率（LR）SAR图像的数据库中的先验信息[6，7，8]。对于尖锐的主机，神经网络必须学会从下采样的LR SAR输入中恢复HR SAR图像，这可能是在光学图像超级分辨率上的挑战中类似的设置[9]。但是，SAR图像形成特定于与视神经不同的雷达波。尤其是SAR范围和方位角轴是不可列出的，并且是经典的增强轴（例如旋转和翻转）是不现实的。此外，斑点噪声高度损坏了SAR图像，从而使伪造过程对靶标和异常进行了决定[10]。幸运的是，诸如[11，12]之类的SAR佩克林方法能够使用很少的single外观复杂（SLC）SAR图像减少斑点噪声。在本文中，我们建议评估使用Fell fell
自然积极城市研讨会
今天在城市发展项目中提供生物多样性保护，通常被视为黄金海岸市的自然城市战略是一项跨越25年以上的环境战略，跨越了25年的交付，以创建一个自然阳性的城市，增强其自然环境网络，并旨在实现和谐平衡以维持自然界的城市。既定的绩效措施之一是致力于该市本地植被的51％覆盖率。为了支持目标的交付和健康的自然环境，建立了一项关键的战略计划，以恢复整个城市拥有的保护区（约13,789公顷）的本地森林。该计划利用重建，辅助再生和自然再生。每年从纳税人那里收取征收征收，这有助于资助恢复和维护3,700公顷/年的城市拥有的保护区。该计划是通过创新的决策工具（ORESTORE）来管理的，用于在时空上智能分配恢复资金。修复动力项目评估了修复计划的成功。在这里，我们对2005年至2022年之间采取的恢复行动进行定量评估。我们对时间光检测和范围（LIDAR）点云数据，空中RGB光学成像和基于现场的生物条件调查进行了跨学科分析，以评估植被状况。遥感（LIDAR和RGB光学图像）可以用作生物条件的替代物，但是物种鉴定需要现场调查来确定非本地植物覆盖。在高大的开放桉树森林中，自然再生经常被持续存在数十年的杂草物种所抑制，而干预（辅助再生）需要促进开放的桉树森林的恢复。黄金海岸市正在与大学和行业合作伙伴合作，以使用地理空间分析来开发一个复杂的工具箱，用于管理整个保护区的修复计划，环境报告和灾难管理。
Terahertz对电池电极的评估节省了
近年来，电动汽车市场的增长显着增长。该行业的主要目标是降低生产成本。值得注意的是，构成总生产成本的40％的电池组将其中约64％分配给电极的制造。监视关键电池参数，例如厚度，负载，密度，电导率和孔隙率，以最大程度地减少电极生产过程中的废物。直到最近，还没有能够模拟这些参数的技术。但是，Terahertz技术已成为一种评估电池电极的强大，无损和安全的方法。电池电极涂在由铝和铜等材料制成的底物上。由于METELS完全反映了Terahertz波，因此可以在反射模式下测量电极。这种方法允许确定涂层的厚度及其复杂的折射率，可以解释以推断关键电极参数。在我们的研究中，我们利用了Teraview的最新进步Teracota，Teracota是一种设计用于工业应用的Terahertz系统，配备了自我引用的Terahertz传感器。传感器安装在龙门上，提供了电极加载的Terahertz图像，并可以与光学图像进行直接比较，从而揭示了阴极上的缺陷。当比较通过Terahertz传感器获得的密度测量与实验室中测量的密度测量值时，我们达到了0.01 g/cm3的精度。关键字：ndt; Terahertz;光谱；电池电极；电动车辆此外，通过Terahertz系统的厚度测量与使用毫米在小于1 µm以内获得的厚度测量。同样，当比较通过Terahertz与通过四点探针测量的DC电导率进行比较时，趋势是一致的。正在进行的孔隙率进行的研究表明，折射率与特定电极集的功率相关，表明可能具有更广泛的应用。这种全面的方法证明了将Terahertz技术集成到电池电极制造过程中的重要优势，从而通过提高效率和降低浪费来彻底改变行业。