本发明公开了一种基于探测器温度的红外图像非均匀性校正方 法，通过图像增益校正系数和采集的均匀背景图像，计算探测器在不 同探测器温度点下的偏置本底，进一步地，根据偏置本底和探测器当 前工作温度的对应变化趋势以插值方法估算探测器在当前工作温度下 的偏移校正参数，最后利用图像增益校正系数和偏移校正参数对红外 图像进行两点校正。相应地，本发明还提出了一种对应的校正系统。 本发明无需红外探测器温控系统及调零挡片，根据探测器在不同温度 点下的偏置本底和当前探测器的温度及时有效地计算校正参数，在保 证红外图像校正效果的同时，有效降低了算法复杂度，增加了实时性。

本发明提出一种基于四点二元模型的图像纹理特征值的提取方法,首先计算2x2像素块内四个像素点像素值的均值;其次计算每个像素点与均值的差值,若差值大于等于一给定阈值,就置该像素块的位置编码值为1,否则为0;最后将四个像素块的位置编码值乘以相对应的权重后,再将4个乘积求和,就得到该2x2像素块的纹理特征值,本发明只需要计算四个像素点与其均值的差值,得到4bit的二进制码,计算量减少一半且复杂度低,且能有效地表示人脸的局部纹理信息,可应用于人脸检测,识别和目标跟踪系统.

本发明公开了一种用于 TFT-LCD 缺陷自动检测线的图像采集装 置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其 中步进电机的输出轴与安装在定位板通槽中的一个同步带轮保持相 连；滤光片轮则与安装在定位板中的另外一个同步带轮保持相连，并 且沿着圆周方向还可拆卸地安装有多个滤光片，这些滤光片选自与多 个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片； 图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由 此执行对不同单元色和不同亮度情况下的图像采集。通过本发明，能 够有

本发明公开了一种星载遥感光学图像的船舶目标检测识别方法，本发明方法包括预处理步骤、无效信息剔除步骤、连通区域标记步骤、特征提取步骤和分类器设计步骤；采取由粗到精的策略，首先将卫星图像进行降采样和高斯滤波处理，之后从处理后图像中剔除陆地和孤立噪点，快速提取出候选区域，对候选区域进行标记，图像旋转后提取特征信息，之后将特征信息放入预先训练好的分类器中进一步确认分析，去除虚警，找出真实的船舶目标。同时本发明还实现了一种星

本发明公开了一种基于大规模无序图像的多起点增量式三维重·699·建方法,包括图像匹配与匹配关系图构建、重建起点选择、边界检测、多起点三维重建和子模型拼接的步骤；利用聚类和迭代漂移的策略，自适应地从无序图像集合中选取适合作为起点的图像对同时开始重建；在重建开始之前，根据分层最短路径算法确定每幅图像的最佳重建子过程，确定重建边界；并根据不同子过程得到的子模型，通过其包含的公共部分进行拼接，获得完整的三维重建

本实用新型公开了一种用于 TFT-LCD 缺陷自动检测线的图像采集装置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其中步进电机的输出轴与安装在定位板上的一个同步带轮保持相连；滤光片轮则与与安装在定位板中的另外一个同步带轮保持相连，并且沿着圆周方向安装有多个滤光片，这些滤光片选自与多个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片；图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由此执行对不同单元色和不同亮度情况下的图像采集。通过本实用新型，能够有效执行在不同单元色和

本发明公开了一种用于 TFT LCD 缺陷自动检测线的图像采集装置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其中步进电机的输出轴与安装在定位板通槽中的一个同步带轮保持相连；滤光片轮则与安装在定位板中的另外一个同步带轮保持相连，并且沿着圆周方向还可拆卸地安装有多个滤光片，这些滤光片选自与多个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片；图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由此执行对不同单元色和不同亮度情况下的图像采集。通过本发明，能够有效执行在不同单元

    myCobot 320 M5是myCobot产品进阶版，主要适合创客及科研人员，能够根据用户的需求进行二次开发，实现用户个性化定制。整体精巧构思，all-in-one设计，具有易用性、安全性和经济性三大优势，是高性价比之选。 myCobot 320 M5本体重量3kg，负载1kg，工作半径320mm，体积相对小巧但功能强大， 操作简单、能与人协同、安全工作。          产品特性 性能强大，搭载两块显示屏 采用无刷直流舵机，可以达到±0.5mm的重复定位精度 机身搭载两块显示屏，支持M5生态应用，有效拓展协作应用空间 操作便捷，开源易用 借助拖动示教以及myblockly简单的可视化编程，用户可迅速上手操作 支持ROS/moveIt等开发系统及大象机器人自主研发的roboflow操作软件 经济适用，超高性价比 标准8小时工作制，能够替代重复性、标准性的工作 万元级机械臂，有效为需要高性能＆低成本的科研降本增效 一体化设计，安全协同作业 精巧结构设计使其能够充分利用空间，完美融入实际环境 兼备基于精确动力学模型的防碰撞检测功能使其能与人安全协同作业 应用场景     myCobot 320 M5是生产力工具也是想象力边界的拓展工具，既可搭配多种末端执行器适配多种应用场景，如科学研究、教育场景、展示场景等，目前客户反馈极佳。   联系我们： 深圳市大象机器人科技有限公司   官网：https://www.elephantrobotics.com 淘宝官方旗舰店：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7URShvv 电话：+86 (0755) 8696 8565​ / +86 181 2384 1923 地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403、D504、D505室

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

本发明公开了一种基于多尺度大核卷积双残差神经网络的超分辨率图像重建方法，适用于图像处理领域，包括以下步骤：对数据集进行裁剪，将裁剪后原始低分辨率图像输入到预处理模块中，进行图像归一化和数据增强操作，生成预处理后的低分辨率图像；预处理后的低分辨率图像组成失真图像块数据集，构成训练集、验证集和测试集；根据已有的失真图像块数据集，构建一个基于多尺度大核卷积双残差神经网络的超分辨率图像重建方法；将数据集输入到构建的多尺度大核卷积双残差神经网络中分提取语义特征，并用模型的上采样模块对特征图进行放大，生成超分辨率图像。本方法引入多尺度大核卷积与双残差结构，在神经网络中使用视觉注意力机制，提取的特征更符合人类视觉感知特性，使图像超分辨率图像重建更加准确。