摘要：多光谱辐射测温技术具有不干扰被测场、测量无上限以及响应速度快等优点,是高温测量领域的最有力工具之一。目前,多光谱高温计以点温测量为主,光路通过物镜、光阑、棱镜等光路通道将待测点辐射分光后进入探测器阵列,实现单点的多光谱信息采集。随着工业智能化程度的不断提高,更加需要实时获得大量的温度分布信息,如特种金属材料的冶炼过程、高温合金激光自动焊接过程、半导体晶体生长过程、火箭发动机尾喷焰温度诊断等领域都需要实时获得某条线乃至整个二维表面的温度,从而提高产品性能和质量,因此通过多光谱辐射测温技术测量待测表面某条线的温度分布十分重要。但是,简单将光阑变为狭缝,实现待测线表面的辐射经透镜、棱镜等传统光路分光后,由于光学系统球差的作用,会使得分光后的狭缝光谱由于离轴传输而呈现严重的弯曲现象,不利于矩形光电探测器阵列的完全接收。为此,提出基于正交柱状透镜组的多光谱线温光路系统,利用正交柱状透镜在不同位置成像可以实现由圆到椭圆再到直线的特殊作用,较好地解决了传统多光谱辐射高温计光路所存在的球差问题。利用ZEMAX光学设计软件,基于S4111-16Q的光电探测器阵列实际大小进行反向光学系统设计,确定了狭缝、物镜、棱镜、正交柱状透镜等光学器件关键的参数,基于这些参数所实际加工的光学器件,搭建了多光谱线温高温计光学系统,并进行了无正交柱状透镜和有正交柱状透镜成像情况下的对比实验,结果表明,在没有柱状透镜的情况下,狭缝成像明显弯曲,在加入正交柱状透镜的情况下,狭缝成像弯曲现象消失,经狭缝分光后的线光谱明显呈直线状态,这为整条线的光谱辐射信息完整进入各探测器阵列提供了技术支撑,从而为后续线温测量提供了有力的光谱辐射数据信息。

摘要：传统的车牌字符识别算法需要进行字符分割再进行识别,而字符分割错误下一步识别也会产生错误,为了解决这个问题,本文提出一种不需要进行分割,直接对车牌字符串进行识别的方法。本文设计了一个深度卷积神经网络,对输入图像进行训练,将卷积和池化后得到特征图用一个固定尺寸的识别器扫描进行字符识别,最后组合识别结果,使用Viterbi算法选择最优解,在实验中通过Best vs second-best法则计算深度神经网络的不确定性,在得到很好的识别效果的同时减少训练集。该方法的正确率可以达到98%以上,且用时短,大大减少了传统设计的程序代码。在今工程应用中有一定的实用价值。