-
题名面发射激光器的高速性能研究
- 1
-
-
作者
陈钊
李惠
钟础宇
张幸
苗威
王彬
张帅一
-
机构
青岛科技大学数理学院
深圳技术大学集成电路与光电芯片学院
-
出处
《激光技术》
北大核心
2025年第1期74-78,共5页
-
基金
广东省教育厅重点建设学科科研能力提升项目(2022ZDJS110)
深圳市科技创新委员会重点项目(JCYJ20220818102214030)。
-
文摘
为了简化工艺,提高面发射激光器的调制带宽与数据传输速率,采用多量子阱有源区设计、介质平面化工艺制备、氧化约束限制等方法,制备了一种发射波长为850 nm的垂直腔面发射激光器(VCSEL)。工艺上采用低介电常数的聚酰亚胺(PI)进行平面化,而非高速VCSEL芯片上常用的苯并环丁烯,研究了基于PI胶平面化工艺的高速器件的寄生响应。结果表明,在低偏置电流下,具有3μm氧化孔径的VCSEL显示出最大调制带宽为25.2 GHz,谐振频率为24.3 GHz,寄生截止频率为13.2 GHz,调制电流效率因子为22.726 GHz/mA^(1/2),D因子为19.670 GHz/mA^(1/2),阈值电流和微分电阻分别达到0.27 mA和215.965Ω,最大光输出功率为0.9 mW;PI方案可用于调制带宽为25 GHz及以下的产品。这一结果对简化工艺、提高面发射激光器的数据传输速率具有一定的指导意义。
-
关键词
激光器
垂直腔面发射激光器
高速调制
聚酰亚胺平面化
简化工艺
-
Keywords
lasers
vertical cavity surface emitting laser
high-speed modulation
planarization of polyimide
simplification process
-
分类号
TN248.4
[电子电信—物理电子学]
-
-
题名深度学习在陶瓷表面缺陷检测方面的研究进展
被引量：3
- 2
-
-
作者
周曼
吴天钊
代宝鑫
许新统
孔令兵
梁立新
-
机构
深圳技术大学新材料与新能源学院
深圳大学应用技术学院
深圳技术大学集成电路与光电芯片学院
深圳技术大学
-
出处
《陶瓷学报》
CAS
北大核心
2023年第5期874-884,共11页
-
基金
广东省基础与应用基础研究基金(2020B1515120002)
深圳市高等院校稳定支持面上项目(SZWD2021001)。
-
文摘
针对陶瓷表面缺陷检测问题,深度学习算法是近年来研究的热点之一。通过建立合适的数据集、合适的网络模型和算法,可以实现对陶瓷表面缺陷的自动检测和分类。目前,常用的深度学习表面缺陷检测算法包括卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)和多层感知器(Multilayer Perceptron,MLP)等。其中,基于YOLOv5算法的陶瓷缺陷检测方法是近期较为先进的一种方法,它具有较高的检测精度和实时性,能够准确地检测和识别陶瓷表面的各种缺陷,通过优化网络结构和损失函数,还可以进一步提高算法的性能;基于CSS算法的陶瓷缺陷检测方法提出使用图像分割的方法来分割陶瓷缺陷样本,并对分割后的样本集图像做二值化处理,突出缺陷的位置和大小。综述了陶瓷与深度学习相结合在材料表面缺陷检测方面的研究进展,并介绍了基于深度学习算法的陶瓷缺陷检测方法,以及详细综述了基于YOLOv5和基于CSS的陶瓷表面缺陷检测算法过程。
-
关键词
深度学习
材料科学与工程
机器视觉
陶瓷表面缺陷检测
-
Keywords
Deep learning
Machine vision
Ceramics
Ceramic surface defect detection
-
分类号
TQ174.75
[化学工程—陶瓷工业]
-
