-
公开(公告)号:CN118150521A
公开(公告)日:2024-06-07
申请号:CN202211550545.0
申请日:2022-12-05
申请人: 电子科技大学长三角研究院(湖州) , 电子科技大学
摘要: 本发明提供了一种基于对称结构的高灵敏度高Q值的折射率传感器。该传感器由二维光子晶体波导集成组成,包含输入、输出波导端口和两种不同类型的空腔,两个不同类型的空腔构成两个上下对称的Fano共振结构。两类空腔分别产生Fano共振所需的离散态和连续态,二者耦合形成非对称的Fano共振线形。基于该对称结构的传感器可有效提高共振强度,对待测介质的折射率变化更加敏感,器件的灵敏度和Q值都得到有效提高。
-
公开(公告)号:CN118141170A
公开(公告)日:2024-06-07
申请号:CN202211550747.5
申请日:2022-12-05
申请人: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC分类号: A41D13/005 , A41D27/00 , A41D31/02 , A41D31/06 , A41D31/04
摘要: 本发明涉及光子学和热传导科学以及服装技术领域,具体涉及一种散热保温一体化服装。通过在衣服中添加多块光学模块以实现保温和散热功能的智能调节。每块光学模块被设计成类似窗口的结构。光学模块是由相变材料层、多孔散热层以及绝热层构成。通过控制绝热层的收起和打开来实现散热功能和保温功能。当人体太热需要降低温度时,相变材料熔化吸热。此时的绝热膜收起,通过多孔散热的方式进一步将空间内热量排出。当人体太冷需要提高温度时,相变材料凝固放热,绝热膜展开,相变材料凝固时所释放的热量无法排出,从而实现保温功能。绝热膜的收起和展开采用电磁铁结合温敏电阻控制。绝热膜可根据卷尺原理设计实现自动收缩。绝热膜顶部添加小型磁铁,采用正温度系数温敏电阻。当开关闭合后,当人体表温度降低到一定临界值时,电阻减小,电流增大,电磁铁将磁铁连同绝热膜向下吸,绝热膜展开,实现保温功能。当人体表温度提高到一定临界值时,电阻增大,电流减小,电磁铁磁性降低,绝热膜自动收缩,实现散热功能。
-
公开(公告)号:CN118151292A
公开(公告)日:2024-06-07
申请号:CN202211550911.2
申请日:2022-12-05
申请人: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC分类号: G02B6/122
摘要: 本发明公开了一种稳定的拓扑Fano共振器件,结构由拓扑缺陷腔和二维拓扑谷光子晶体波导组成。上下两部分不同拓扑性质的圆形谷光子晶体介质柱在空气背景下呈蜂窝状晶格方式周期性排列而形成拓扑波导,在波导处上方改变相应位置圆柱半径的大小形成拓扑缺陷腔,特定设计拓扑波导里的拓扑宽带明模和拓扑缺陷腔里面的拓扑窄带暗膜发生干涉形成拓扑Fano共振,形成的Fano共振对缺陷具有鲁棒性。
-
公开(公告)号:CN118010677A
公开(公告)日:2024-05-10
申请号:CN202311451566.1
申请日:2023-11-03
申请人: 电子科技大学长三角研究院(湖州)
IPC分类号: G01N21/41
摘要: 本发明提供了一种基于拓扑光子晶体角态模式的Fano共振折射率传感器,该构由二维拓扑谷光子晶体波导和波导上下两侧的拓扑缺陷腔组成,拓扑直波导和拓扑缺陷腔均由上下两部分不同拓扑性质的圆形谷光子晶体圆孔在介质背景下呈蜂窝状晶格方式周期性排列而形成。波导里的入射光激发出拓扑缺陷腔里的拓扑角态模式,两个角态模式最终干涉耦合形成拓扑Fano共振,形成的Fano共振其Q值为3.3*104,灵敏度为140nm/RIU,FOM值为7489,具有高Q值和对缺陷杂质具有鲁棒性的特点。
-
公开(公告)号:CN117608012A
公开(公告)日:2024-02-27
申请号:CN202311505279.4
申请日:2023-11-13
申请人: 电子科技大学长三角研究院(湖州)
摘要: 本发明提出一种使用级联光学超表面阵列的光学望远结构。该结构为了实现大视场,采用多层超透镜阵列级联分割视场的方式。其中超透镜阵列具有特定焦距与节距。使得不同层的超透镜阵列成为多组单光瞳微相机,它们具有倾斜的光轴,每个通道仅对一个小角度部分进行成像,每个通道得到的图像整合后获得完整的大视场成像,相较于传统单轴超构透镜成像结构,大大提升了可用视场。该结构在摄影、导航和控制、安全监控等领域具有广泛应用前景。
-
公开(公告)号:CN117557774A
公开(公告)日:2024-02-13
申请号:CN202311456286.X
申请日:2023-11-03
申请人: 电子科技大学长三角研究院(湖州)
IPC分类号: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/17
摘要: 本发明提出了一种基于改进YOLOv8的无人机图像小目标检测方法,包括采集并标注各类无人机拍摄图像,建立无人机图像数据集;基于YOLOv8原始网络,引入主干网络ITNet,使用了动态卷积ODConv来代替Conv卷积,使用颈部模块SGFPN,引入特征融合模块CSF,使用CARAFE上采样方法代替最近邻采样,使用改进后的yolov8网络结构作为无人机图像识别网络,通过训练得到无人机小目标识别检测的深度学习模型,检测无人机图像,实现了对无人机图像的高准确率的检测。
-
-
-
-
-