公开(公告)号：CN118758448A

公开(公告)日：2024-10-11

申请号：CN202410951832.5

申请日：2024-07-16

Applicant: 哈尔滨理工大学

Inventor： 吴卿 ,  刘晓蕾 ,  肖营 ,  宋庆浩 ,  常鑫宇 ,  武晓雯 ,  赵蓝飞

IPC: G01K11/32 ,  G01K15/00 ,  G02F1/21 ,  G02F1/00 ,  G02B6/02 ,  G02B6/028 ,  G02B6/122 ,  G02B5/18 ,  G02B6/293

Abstract: 一种基于光纤马赫‑曾德尔干涉的温度传感器及传感方法，它属于光纤传感技术领域。本发明解决了现有传感器不能同时实现高灵敏度、温度补偿和高度集成化的问题。本发明在传感臂内采用由第一单模光纤、第一多模光纤、锥形单模光纤、第二多模光纤、第二单模光纤、第一光纤布拉格光栅和第一法布里‑珀罗腔组成的复合光纤结构，通过在锥形单模光纤的敏感区引入稀土掺杂和二氧化钛纳米薄膜溅射，显著提高了传感器的灵敏度。在参考臂上集成光纤布拉格光栅和法布里‑珀罗腔，通过传感臂和参考臂形成双臂复合马赫‑曾德尔干涉仪，实现对环境温度缓变和快变的双重补偿。本发明方法可以应用于光纤传感技术领域。

公开(公告)号：CN117274774A

公开(公告)日：2023-12-22

申请号：CN202311221677.3

申请日：2023-09-20

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  张恩炎 ,  冯彦翔 ,  吴卿 ,  吴海滨

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/762 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于目标检测技术领域，具体涉及一种基于YOLOv7的X射线安检图像危险品检测算法；该方法依次执行以下步骤：获取X射线安检图像数据集并按比例随机划分；利用K‑means++算法设置数据集的先验框；搭建改进的YOLOv7‑MPCN网络模型，包括：在YOLOv7网络中结合CA(Coordinate Attention，CA)坐标注意力机制；借鉴残差网络，在MPConv中加入跳跃连接；利用BiFPN(Bidirectional Feature Pyramid Network)作为下采样模块的特征融合结构；最后采用SIoU(SCYLIA Intersection over Union)改进损失函数加快收敛速度。利用训练集对改进的YOLOv7模型进行训练得到X射线安检图像检测模型；利用测试集对训练好的模型进行测试得到检测结果。本发明通过使用改进的YOLOv7算法检测X射线安检图像，能够在各大交通枢纽的安检平台危险品检测过程中精确定位识别出危险品，提高安检效率。

公开(公告)号：CN116799605A

公开(公告)日：2023-09-22

申请号：CN202310660329.X

申请日：2023-06-06

Applicant: 哈尔滨理工大学

Inventor： 吴卿 ,  王彦语 ,  赵刚 ,  冉钧鸿 ,  肖营

IPC: H01S3/1118 ,  H01S3/16 ,  H01S3/113 ,  H01S3/08

Abstract: 本发明涉及基于可饱和吸收体的被动调Q激光器，针对现有可饱和吸收体导热性差、稳定性低、光谱响应窄、制备工艺复杂、工作寿命短、生产成本高等问题，设计了一种基于石墨炔可饱和吸收体被动调Q激光器。其中主要包括：泵浦源、光学准直聚焦系统、谐振腔的输入镜、激光增益介质、可饱和吸收体、谐振腔的输出镜。所述激光增益介质为Tm：YAP晶体，所述可饱和吸收体为石墨炔。被动调Q固体激光器通过中心波长792nm的泵浦源提供稳定的脉冲能量，经过准直聚焦系统后，通过谐振腔的输入镜入射到激光增益介质中，激光增益介质中的激活离子发生粒子数反转产生受激辐射，再利用可饱和吸收体的饱和吸收特性调节谐振腔的损耗以产生调Q脉冲。所产生的调Q脉冲由谐振腔的输出腔镜进行输出。本发明被动调Q固体激光器结构简单、紧凑，所输出的2μm波段激光，位于水分子吸收峰和人眼安全领域，在国家军事、医疗诊断、大气环境监测等领域发挥了不可替代的作用。

公开(公告)号：CN119516214A

公开(公告)日：2025-02-25

申请号：CN202310747301.X

申请日：2023-08-24

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  雷贵龙 ,  吴卿 ,  张康 ,  李德飞

IPC: G06V10/58 ,  G06V10/40 ,  G06V10/77 ,  G06V10/82 ,  G06F18/213 ,  G06F18/25 ,  G06F18/241 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种双支路Swin Transformer的高光谱影像与LiDAR数据协同分类方法，该方法包括：S1，针对高光谱影像“图谱合一”的特点，提出了利用3D‑2D混合卷积来提取主成分分析降维后的高光谱影像的浅层空‑谱信息。S2，采用了改进的Swin Transformer网络，在网络中采用ResNet模块以及引进SSR(Spectral Segmentation Recombination，光谱分割重组)，消除特征传递中的信息丢失，进一步挖掘高光谱影像的深层空‑谱特征。S3，将另一支路的LiDAR数据通过2D‑2D卷积、改进的Swin Transformer网络，挖掘高程信息；S4，针对高光谱和LiDAR双支路，将CAM(Cross attention module，交叉注意模块)改进为双支路输入，通过高光谱与LiDAR特征交互，通过建立动态的注意力机制，有效地捕捉两种模态之间的关联信息，并将其融合成统一的特征表示。该网络在两个公开高光谱与LiDAR数据集上进行了测试，表现出了良好的分类性能。