In this work, surface enhanced Raman spectroscopy (SERS) substrates with Ag nanoparticles (NPs) decorated Co₃O₄nanowires (NWs) grafted on the three-dimensional (3D) network architecture of Ni foam (denoted as Ag-NP@Co₃O₄- NW/Ni-foam) arrays are manufactured. In the experiment, the hierarchical Ag-NP@Co₃O₄-NW/Ni-foam arrays exhibit strong SERS activity due to the higher density of the “hot spots” created from the large quantities of neighboring Ag NPs. Using this hierarchical 3D SERS substrates, the crystal violet (a banned drug of aquaculture) with concentration down to 10^-14mol/L can be detected, which shows potential application in SERS-based rapid trace-level detection of harmful food additives.

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation, FAPAR)有很好的关联, 综合“高光谱曲线特征吸收峰自动识别法”与“光谱吸收特征参量化法”, 提取对FAPAR敏感的高光谱吸收特征参数, 借鉴可见光-近红外植被指数的数学形式, 尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率, 构建新型植被指数估算植被FAPAR, 并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。 结果表明: 新型植被指数“SAI-VI”不仅有效提高了单个光谱吸收特征参数在高、 低覆盖区域估算FAPAR的精度, 而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数, 其与FAPAR值的相关性更高（存在最大相关系数=0.801）, 以其为变量的指数模型预测FAPAR精度更高且稳定性较好（建模与检验的判定系数均最高且超过0.75, 标准误差与平均误差系数也相应最小）。 研究表明: 融入可见光-近红外高光谱吸收特征的新型植被指数“SAI-VI”, 强化了可见光波段与近红外波段光谱吸收特征的差别, 相较单一光谱吸收特征参数, 在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。 同时, “SAI-VI”有效综合了对植被FAPAR敏感的光谱吸收特征信息, 相较原始光谱反射率, 能表达植被光合有效辐射吸收特征的更多细节信息, 可作为植被冠层FAPAR反演的新参数, 一定程度上弥补当前植被指数法估算FAPAR的不足。

为了进一步提高采用交流励磁定位无线跟踪胶囊内窥镜的定位精度，减小系统误差，提出了改进的神经网络定位校正方法。首先，设计了适应于胶囊内窥镜定位校正的神经网络结构; 然后，采用Levenberg-Marquart算法结合贝叶斯正则化方法改进校正网络，抑制校正网络的过拟合。通过定位实验平台，建立了定位目标的跟踪位置与实际位置的样本对照数据表，并应用校正网络对定位数据进行校正。定位校正实验表明，改进的神经网络校正法可进一步减小定位误差，校正后的X，Y，Z，α，β分量的平均误差分别减小至8.7 mm，10.1 mm，7.3 mm，0.086 rad和0.081 rad。与基本BP算法相比，采用Levenberg-Marquart贝叶斯正则化的改进算法有效提高了定位校正网络的泛化能力和收敛精度。