教学课程资源库 更多>>

关键词： 深度学习   PCB   YOLOv8s   特征融合   缺陷检测  

摘要： 随着制造业的快速发展,依赖于人工检查或简单图像处理技术的传统印制电路板(PCB)缺陷检测方法已难以满足现代生产对准确性和效率的要求。PCB缺陷形状多样、像素较少,对细节特征提取要求较高,是基于深度学习的自动化缺陷检测方法面临的主要问题。本文针对基于深度学习的PCB缺陷检测算法进行研究和改进,主要工作如下: (1)提出DEBCN＿YOLOv8s模型。首先针对缺陷较小和与背景相似的问题,使用D＿E＿C2f模块替换YOLOv8s中的C2f模块,增强细节特征提取和多尺度信息捕获能力。其次,重新设计多尺度特征融合模块,通过引入并改进双向加权特征金字塔网络,提高模型处理低尺度特征融合能力。最后,针对PCB缺陷对位置偏差敏感性高和形状各异的问题,基于NWD和CIo U设计新的损失函数CNWD,提高PCB缺陷检测的准确性。 (2)构建PCB缺陷数据集。由于目前PCB数据集数据量较少、质量较差等问题,本文所用的数据集来源于多个渠道,需进行预处理以整理和优化数据。包括对图像进行标准化处理、重新筛选和数据扩展。构建符合本文所需的PCB缺陷数据集,为网络模型训练奠定基础。 (3)通过在本文构建的PCB缺陷数据集上进行的缺陷检测实验,结果表明本文提出的DEBCN＿YOLOv8s模型能够准确地检测出各种PCB缺陷,具有较高的检测精度和效率性,可以满足实际PCB缺陷检测的现实需求。

关键词： 忆阻器   脉冲神经网络   电子系统级建模   脉冲时序依赖可塑性   手写数字数据集  

摘要： 近年来,随着智能识别日益复杂化,神经网络模型的参数量和计算量激增,对硬件资源和功耗的要求也大幅提升,脉冲神经网络因其计算能效比高的优势备受关注。同时,忆阻器作为具有记忆功能的非线性电阻器件,非常适合用作人工突触,为脉冲神经网络的硬件实现提供了新可能性。然而,忆阻器性能不稳定且样品获取困难。因此,使用建模工具对忆阻器模拟,并进一步建模脉冲神经网络电路更为合适。现有的建模方法如Verilog-A和Spice在复杂的神经网络下建模耗时且不支持软硬件协同设计。而诸如Brain2、Binds Net等神经网络建模仿真库仅适用于软件仿真,无法实现硬件层面的并发处理和异步行为。因此,本文采用的基于Python的电子系统级建模方法对脉冲神经网络电路建模具有重要意义。本文主要工作如下: 1.使用Python建模了Hindmarsh-Rose、Izhikevich和泄漏积分发放脉冲神经元模型,并利用电子系统级建模方法转换成硬件描述语言(Hardware Description Language,HDL)模型。通过仿真神经元电路的动作电位产生情况,进而验证其有效性。随后,将神经元电路导入到现场可编程门阵列(Field Programmable Gate Array,FPGA)中进行模型验证,发现泄漏积分发放神经元在硬件资源占用和功耗方面优势显著,更适合集成在大规模脉冲神经网络中。最后,与以往研究比较,本研究生成的HDL模型在硬件资源需求上有所降低; 2.建模惠普、增强广义型和行为阈值型忆阻器模型。通过仿真忆阻器电路的-(1特性,以验证其有效性。随后结合神经元电路,实现了神经元-突触的一对一连接电路建模,并进行硬件和仿真之间的等效性测试。结果表明,使用增强广义型忆阻器模型作为网络连接中的突触,更符合脉冲时序依赖可塑性学习规则。在此基础上,应用忆阻交叉阵列,完成神经元-突触的全连接电路建模; 3.建模神经元突触核心,从而实现脉冲神经网络的可扩展性。同时为了让脉冲神经网络电路具备在线学习和推理的能力,本研究结合第五代精简指令集(Reduced Instruction Set Computing-V,RISC-V)处理器,构建了脉冲神经网络电路模拟平台。在此基础上,搭建了规模为256×100的单层全连接脉冲神经网络,并部署到FPGA上,采用标准手写数字数据集验证。结果显示,网络识别准确率达到了90.8%,且发现网络识别准确率与单个图案对应的输出神经元数量成正相关。 通过本文对忆阻器脉冲神经网络模拟研究,为未来的神经形态芯片提供了一个通用的神经网络电路建模框架,对类脑智能的发展具有重要意义。

关键词： 赭曲霉毒素A   适配体   无酶信号放大   CRISPR   荧光传感器  

摘要： 赭曲霉毒素A（OTA）是一种主要由曲霉和青霉产生的稳定且有毒的代谢物,能够在特定环境条件下污染多种食品。其具有明显的致癌、致畸和免疫毒性,可能导致多种人类疾病,国际癌症研究机构（IARC）于1993年将其归类为2B组,即可能的人类致癌物。OTA通常以痕量存在且难以清除,会通过食品污染对人类和动物健康造成严重危害。因此,许多国家和组织已经实施了严格的OTA限制,以减少暴露量。传统的OTA检测方法,如高效液相色谱法（HPLC）和质谱法（MS）等,虽准确、可靠,但操作复杂、耗时,且需要昂贵的大型仪器。酶联免疫吸附测定法（ELISA）是最广泛应用的免疫测定技术,因其高可靠性和可重复性而受到青睐。然而,它面临着耗时、抗体制备程序复杂和检测限较差等弊端。因此,迫切需要开发新型检测方法以实现OTA的高灵敏、便捷检测。鉴于此,本研究构建了基于适配体识别机理和无酶信号放大策略的OTA光学生物传感器,旨在为OTA检测和食品安全监测提供新思路和新方法。 主要研究内容如下: 1.开发了一种基于适配体（Aptamer）触发生物催化反应的比色—荧光双通道“信号开”生物传感器,实现了OTA的可视化和高灵敏检测。与现有比色—荧光双通道OTA生物传感器不同,该传感器具有一个识别过程和两个独立的“信号开”输出。具体来说,识别过程涉及Aptamer修饰于磁性纳米颗粒（MBs）表面,并与互补触发（c DNA-Trigger）序列部分杂交。在OTA存在的情况下,Aptamer与OTA特异性结合并形成G-四链体结构富集于MBs表面,同时导致c DNA-Trigger游离于上清液中。比色信号输出过程主要涉及富集于MBs表面的OTA-G-四链体复合物与氯化血红素（hemin）相互作用后催化3,3?,5,5?-四甲基联苯胺（TMB）发生颜色变化,实现OTA可视化检测。荧光信号输出过程主要涉及游离的c DNA-Trigger催化无酶DNA电路,循环放大荧光信号,实现OTA的高灵敏检测。得益于磁性富集和无酶DNA电路信号放大策略,荧光通道和比色通道对OTA的检测限（LOD）分别为0.017 p M和48.1 p M。该方法对实际样品具有高度适应性,能够成功检测葡萄汁和白酒中的OTA。此外,考虑到智能手机在全球范围内的广泛使用,我们还设计了一个具有自校正功能的小程序,辅助C通道进行OTA现场监测。 2.开发了一种基于CRISPR-Cas系统特异性识别机理和杂交链式反应信号放大策略（HCR）的比率型荧光传感器,实现了对OTA的高灵敏、高特异性检测。具体来说,识别过程涉及Aptamer修饰于MBs表面,并与互补触发（Active Trigger）序列部分杂交。在OTA存在的情况下,Aptamer与OTA特异性结合,Active Trigger游离于上清液中。游离的HCR Trigger启动Cas12a切割修饰在羧基磁球（CMBs）表面的HCR启动子HCR Trigger。切割完成后,加入发夹结构H1H2引发HCR反应,在HCR产物上修饰辣根过氧化物酶（HRP）可以催化OPD转化为DAP,由于DAP的形成,2-氨基对苯二甲酸（BDC-NH2）的信号因内滤光效应而大大减少。这种双荧光响应不仅能够实现传感的自我校正,而且还提高了检测灵敏度。在365 nm的激发波长下测得426 nm和562 nm处的荧光信号。该方法对实际样品具有高度适应性,能够成功检测葡萄汁和啤酒以及大米中的OTA。 综上所述,本研究首次通过比色-荧光双通道“信号开”模式实现了OTA的高灵敏、可靠检测,并且荧光—比色双通道可以在100 p M-10 n M范围内进行信号验证,内参型微信小程序可辅助C通道实现现场检测。CRISPR/HCR信号放大的比率型荧光生物传感器将Cas12a的高特异性、HCR的信号放大性能,以及DAP与BDC-NH2的内滤效应有效融合。本研究所构建OTA检测方法操作简便、灵敏度高,稳定性强,为霉菌毒素定量检测提供了新的思路和方向。

关键词： TSV   深度残差收缩网络   格拉姆角场   微变恒流源  

摘要： 随着晶体管尺寸的不断缩小,摩尔定律面临着物理极限,这对集成电路(IC)的发展带来了多方面的挑战。当前基于硅通孔(Through-Silicon Vias,TSV)的三维集成电路(3D IC)已经成为下一代集成电路的发展趋势。3D IC技术通过TSV在垂直方向上堆叠多个芯片或芯片层,实现了更高的集成度、更短的互连长度、更低的功耗以及更高的性能。然而,在3D IC中,TSV作为新型互连结构,面临多种故障风险,包括填充不均匀、堵塞和断裂等,这些问题可能影响连接质量和稳定性。本文针对TSV中心导体中填充不均匀导致的开路故障、绝缘层的针孔缺陷导致的短路故障以及两者同时存在时形成的复合故障进行了故障缺陷测试与故障诊断。本文提出了一种微变恒流源以及结合格拉姆角场(Gram Angle Field,GAF)图像编码与深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)的TSV绑定前故障缺陷无损检测方法。本文主要研究内容涉及TSV三维故障建模分析与等效电路验证、图像编码、机器视觉以及微变恒流源电路结构。具体研究内容如下: (1)TSV三维电气建模与故障特性分析。通过电磁全波分析工具设计TSV三维模型,针对常见的TSV空洞故障、泄露故障以及两种故障同时存在的复合故障,进行了电气建模,并利用S参数分析了TSV不同缺陷对信号传输的影响; (2)TSV等效电路验证与微变恒流源设计。基于高速电路理论及参数提取方法,在ADS中,分别建立了常见的TSV空洞故障、泄露故障以及两种故障同时存在的复合故障的等效电路,并获取了它们各自的S参数。通过与电磁仿真环境下得到的S参数比较,分析了各等效电路模型的正确性。然后设计微变恒流源结构以提取不同故障TSV输出端的充放电电压信号,将TSV作为负载,控制信号控制开关打开与关闭,进而通过直流电源对TSV进行充电操作,当TSV等效电容充满电达到饱和状态,控制信号控制开关关闭,通过微变恒流源进行放电操作,因为存在缺陷的TSV会影响其等效电容的充放电速度,通过提取输出端电压充放电信号进而可以识别不同故障; (3)深度残差收缩网络与格拉姆角场法结合的TSV复合故障诊断。针对微变恒流源结构不能很好识别TSV空洞故障问题,考虑利用机器视觉在故障诊断中的优势。首先需要构建一个有效的桥梁,将计算机视觉和故障诊断紧密联系起来。本文利用格拉姆角场法(GAF)将提取的TSV不同故障情况下的充放电电压一维时序信号转换为二维图像,构建相应的故障数据集。值得注意的是GAF不仅能够保留信号对于时间的依赖性,同时也能挖掘出信号更深层次的特征。针对深度残差收缩网络(DRSN)的结构以及网络中各层的结构原理进行分析研究,其中DRSN模型通过在残差块中引入注意机制,可以提取图像重要特征。并且,通过软阈值函数进行自适应学习,消除可忽略不计的信息特征,软阈值函数通常被用于信号去噪算法。最后将优化后的DRSN引入TSV故障诊断中,使其对TSV不同故障数据集进行训练,完成故障的检测、分类和定位,具有很好的准确性和可靠性。