本发明属于光电子芯片加工制造技术领域，公开了一种图像压缩光学芯片的实时在线制作检测系统及方法。利用计算机对待压缩图像进行压缩得到第一图像，并扫描得到第一图像灰度信息，根据第一图像得到第一控制信息；超快激光器根据第一控制信息对光学芯片材料进行波导结构加工；激光器阵列根据第一图像灰度信息产生对应功率的激光并通过光纤进入至光学芯片材料；利用光功率探测器阵列接收光学芯片材料输出的激光并得到功率信息；计算机根据功率信息得到第二图像灰度信息，重构得到第二图像，根据第一图像和第二图像得到第二控制信息；超快激光器根据第二控制信息对光学芯片材料进行在线矫正加工。本发明能够提高光学芯片的生产效率、降低制造成本。

产品详细介绍 【产品简介】 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡是基于PCI-E X1总线结构开发的四路高清实时图像采集卡，数据传输速率可达 250MByte/S，为了更好的为行业客户提供更优质的产品和服务，维视公司针对流媒体应用，多媒体视频点播、在线直播、录播，大屏幕拼接、屏幕边缘融合、工业多路图像采集处理、机器视觉图像处理分析、智能交通、电子警察、车牌识别、抓拍等领域的应用特点推出的新一代图像产品。 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡使用第四代Philips公司非常精良的10bit A/D芯片，采用4线3D梳状滤波器能自动消除噪点、抗混叠滤波等技术，使图像清晰度更高、图像采集的实时性能更强,采样频率更高,完美解决了运动图像采集处理的拉毛、拖尾、撕裂等现象，PCI-E X1总线结构解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题，使图像色彩真实，层次感好过度清晰，板卡性能稳定，免除了客户因图像采集质量不高影响整个设备性能的烦恼。 【性能指标】 l 可同时采集四路标准PAL、NTSC制式彩色/黑白信号，一槽四卡，总帧率100帧/s； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡可支持四路复合视频输入； l 采用第四代最新Philips的10bit A/D芯片，黑白方式10bit，彩色方式RGB各10bit；、 l 四路同时可采集最大分辨率为PAL：768×576×32bit×25fps，NTSC：640×480×32bit×30fps支持一机多卡； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡支持任意形状的图像采集，持裁剪与比例压缩模式； l 可实时采集单场、单帧，任意间隔以及连续帧的图象； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡亮度、对比度、色度、饱和度，画面大小比例均软件调节； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡具有软件字符图形叠加，硬件上下镜像反转功能；  l 可实现实时图像采集通过PCI-E X1总线传递至计算机内存； l 四通道实时图像采集卡支持计算机内容与图像同屏显示。； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡采集格式：如RGB555、RGB24、YUY2、YVU9、YV12等； l 该产品为MV-800系列产品的升级产品，对于老客户开发好的系统软件不用做任何改动即可完美兼容。 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l 硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【开发工具】 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡操作系统支持：Windows 2000、XP、Vista、Win7。 l SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【应用领域】 l 流媒体领域：多媒体视频录播、在线直播、点播系统、大屏幕拼接、屏幕边缘融合等。 l 工业领域：生产线在线检测、机器视觉成像系统、工业图像处理等； l 科学研究：模式识别、图像采集算法研究、图像处理、建模等； l 交通领域：电子警察、车牌识别、道路抓拍；

产品详细介绍 【多路图像采集卡特点简介】 MV-E8800 PCI-E多路图像采集卡 高清图像采集卡 高分辨率图像采集卡是对系统开发商进行多路视频图像开发的PCI-E图像采集卡,它采用PCI-E X1总线作为数据存取通道，（独立带宽，高于PCI共享带宽模式），总线数据传输速率可达250MByte/S,实时并行处理技术使图像采集速度更快，可以采集到更多通道和更大尺寸的视频图像。解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题 ，采用超强的10bit AD转换芯片,相对于8bit、9bit AD转换来说,不管是图像质量还是颜色的饱和度方面都要强很多,它具有的4线3D梳状滤波器能自动消除噪点,它的图像质量要更好. 采样频率更高,运动图像软件处理不拉毛、不拉丝、不托影,图像质量得到最大增强,性能更为稳定。 MV-E8800 PCI-E 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用于交通路口电子警察，工业图像检测,大屏幕视频显示、多路图像同时抓拍，并提供给您方便的二次开发包（DLL），甚至还能根据用户要求直接修改底层软件，令我们的图像卡更好地配合您的系统。 【高清图像采集卡性能指标】 l       8路PAL，NTSC彩色或黑白视频信号同时输入，同时显示。  l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用10bit高清晰度图像芯片，图像色彩更真实，清晰度更高。  l      图像分辨率最高：768 X 576 X 32BIT; NTSC 640 X 480 X 32BIT。 l      支持任意形状的图像采集。支持裁剪与比例压缩模式。 l      MV-E8800 8通道实时图像采集卡支持计算机内容与图像同屏显示。  l      MV-E8800 8通道实时图像采集卡亮度、对比度、色调、色饱和度软件可调。 l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在图象上实时叠加字符、图形、文字功能  l      MV-E8800 8通道实时图像采集卡支持单场、单帧、连续场、连续帧的采集方式，支持单机多卡。  l      软件功能丰富完善、开发简单方便，在Microvison图像采集卡中容易移植； l     MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在外部视频上叠加文字和图像，实时显示在计算机屏幕上； l      底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l      硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【高分辨率图像采集卡开发工具】 l     操作系统支持：Windows 2000、XP、Vista。 l     SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l     驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【典型应用】 工业检测、智能交通、医学影像、车牌抓拍、工业监控、仪器仪表、大屏幕显示、机器视觉等领域。

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

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

本发明公开了一种基于自相关的大型轴流风机不平衡量的识别方法。方法:1)假设轴流风机振动由不平衡量引起,定义轴流风机振动信号工频信号的幅值与其他频率信号的幅值之比大于等于二,采样长度大于转速信号周期;2)对轴流风机振动信号进行低通滤波;3)进行二重自相关,从轴流风机振动信号众多频率成分中分离出工频成分;4)进行有效值计算,还原出轴流风机振动信号中工频成分幅值;5)用测幅法进行动平衡,确定轴流风机不平衡质量的大小和位置。本发明可以在不提取键相信号的前提下,从复杂振动信号中有效分离出不平衡振动幅值分量,最终通过测幅平衡法找出轴流风机的不平衡大小和位置,有较大的工程应用价值。

本发明提供了一种基于摄动随机有限元的随机动载荷识别方法，对含不确定性参数的结构开展同工况下多次模态试验，计算其不确定性刚度、质量和阻尼矩阵，对不确定性刚度、质量和阻尼矩阵进行展开，计算格林函数矩阵，建立基于摄动随机有限元的不确定性动力学模型，测量随机动载荷作用下含不确定性参数结构的随机位移响应样本，利用随机位移响应样本均值识别结构上所受随机动载荷的均值，计算仅考虑动载荷随机性引起的随机位移响应协方差的近似值，识别获取随机动载荷的统计特征。利用本发明方法，可以同时考虑动响应、结构系统和动载荷的不确定性，利用实测动响应样本识别获取结构动载荷的统计特征，可以为工程结构提供丰富的动载荷信息，更有利于工程结构的安全评估和优化设计。

CN105279380B 一种基于表情分析的抑郁程度自动评估系统CN201310089195 一种基于车灯识别的夜间车辆检测方法及系统。

本发明公开了一种相控阵三维声学摄像声纳动静目标识别方法,包括目标聚类步骤、目标特征提取步骤和目标特征匹配步骤。通过遍历声纳数据点,利用数据点之间的距离连通性对目标进行聚类,得到单帧图像中的各个独立目标;对聚类后的各个目标进行三维特征提取,包括目标总点数、目标质心、距离跨度和边界信息等;对相邻两帧中处于重叠区域的目标进行前后帧的特征匹配,通过合理设定各个特征参数的权重值,计算各个特征参数与权重值的累加和,实现动静目标的有效识别。该方法布局严谨、高实时高精度、准确率高、可扩展性强,有效地实现了三维声纳目标动静目标识别功能。

本发明公开了一种数控机床切削加工的刀具磨损状态识别方法，具体包括如下步骤：（1）数据采集（2）采集数据区间化，获得区间数据集<img file="DDA00001669935800011.GIF" wi="787" he="88" />（3）对采集信号进行小波包分解，获得各频段的能量百分比和相应各频段的上界小波包系数和下界小波包系数；（4）获取多观察序列（5）求取广义隐马尔科夫初始模型λ=（A,B,π）；（6）模型训练获得最优模型库λ＝(λ₁,...,λ_n)；（7）把待识别磨损状态的刀具磨损信号数据作为多观察输入代入上述最优模型库，识别刀具磨损状态。本发明通过广义区间概率来解决数据机床加工中研究刀具磨损状态时，信息处理中出现的不确定性问题，识别准确率显著提高。