荧光碳量子点作为一种特殊的量子点，具有卓越的荧光性能以及可调控的表面化学性质，在生物成像、疾病诊断和治疗等生物医药领域中备受瞩目。基于近期的文献报道，详细介绍和总结了碳点在医药领域中的应用及其相关机制和特性。概述了碳点在生物医药应用中所面临的挑战，并提出了潜在的解决方案。最后，对未来的研究方向提出了建议，以期进一步拓展碳点在生物医药领域中的应用范围，为医学领域的创新和发展提供理论依据。

针对现有的金属氧化物避雷器(Metal Oxide Arrester, MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题, 提出一种基于改进 YOLOv3的 MOA红外图像故障检测方法。首先, 以 Darknet19网络代替 YOLOv3原始的 Darknet53网络, 并在特征学习时针对样本中不同 MOA长宽比例, 通过 K-means聚类算法对 MOA图像中的目标帧进行分析, 重新聚类样本中心锚点框, 得到合适的锚框数目和大小。最后, 利用改进 YOLOv3模型完成 MOA红外图像故障检测。实验结果表明, 改进的 YOLOv3模型识别精度达到 96.3%, 识别速度为 6.75 ms。

在港口运输领域, 船舶燃油中硫含量检测一直是海事部门的监管重点。 随着我国港口贸易飞速发展, 一种简单高效的船舶燃油硫含量检测手段对我国海洋环保事业具有重要意义。 现有的检测方法普遍存在时效性差, 应用范围窄等问题, 难以实现船舶尾气的大范围快速遥测。 利用高光谱成像技术实现船舶尾气中CO2和SO2的遥测, 充分发挥高光谱成像技术信息丰富、 检测距离远、 检测范围广等优势, 发展傅里叶变换干涉型高光谱成像技术与高光谱成像三维低秩优化技术, 解决了开放光路下的低浓度检测问题和复杂环境干扰问题, 成功计算出船舶燃油中的硫含量, 为我国船舶燃油中硫含量监测提供有效工具。 研究主要包括: 在天津港东疆码头开展昼、 夜时段固定船舶硫含量检测试验以及随机船舶硫含量检测试验, 采集大量船舶尾气高光谱图像, 建立船舶尾气数据库; 发展针对复杂开放光路气体远距离检测的傅里叶变换干涉型高光谱成像技术, 具有高通量、 高光谱分辨率、 高信噪比等优点, 可以将检测距离扩增至1 200 m, 单次检测用时小于3 s; 设计基于高光谱成像三维低秩优化技术对高光谱数据进行预处理, 以低秩作为约束对高光谱图像进行三维重建, 去除复杂环境对高光谱图像的干扰, 实现高光谱图像信噪比的进一步提升; 利用偏最小二乘法化学计量技术实现SO2和CO2气体浓度的准确解析, 并依据真实大气辐射情况, 建立辐射传输模型, 从而实现对昼、 夜环境下加注高硫油的固定船舶以及随机船舶中的准确识别, 并在高光谱图像中SO2气体浓度过高的部分进行主动标识。 所述技术已在天津港进行了实地应用, 成功检测出Xinchunshun号排放尾气中SO2气体浓度超标, 检测结果与海事部门掌握的数据相符, 验证了基于高光谱成像技术的远程被动测量船舶尾气及燃油中硫含量检测的可行性。

本文提出了一种基于多波长平均的五步相移解调方案，解决非本征光纤法布里-珀罗（F-P）传感器阵列的串扰问题。以光纤F-P传感器的两基元并联复用系统为研究对象，探讨了基于五步相移解调方案的基本串扰理论以及多波长解调抑制串扰的具体方法。通过数值仿真研究了串扰与传感系统的消光比、平均波长数、波长间隔以及不同传感器基元腔长的关系，对单波长解调方案和多波长解调方案的串扰抑制效果进行了对比分析。结果表明，相较于单波长解调方案，多波长解调方案通过对多个连续工作点处的五步相移信号解调结果进行平均，降低了传感阵列的串扰。同时，该解调方案降低了对传感阵列光开关消光比和不同基元间腔长一致性的要求，有效推进了光纤F-P传感器阵列大规模复用的发展。

通过改变矿粉、粉煤灰、偏高岭土的配合比, 用复配后的水玻璃进行碱激发, 制备三元地聚物, 测试了三元地聚物凝结时间以及抗折、抗压强度。利用XRD、SEM、EDS及DTG研究硬化浆体中水化产物的形貌和成分, 并对水化过程进行分析。结果表明, 该三元地聚物是由原材料在碱激发水化作用下生成的以水化硅酸钙(C-S-H)、水化硅铝酸钙(C-A-S-H)和水化硅铝酸钠(N-A-S-H)凝胶为主的复合胶凝材料。矿粉掺量越高, 新拌浆体凝结时间越短, 水化产物中钙系凝胶越多, 试件强度越高。矿粉含量为10%、30%、50%、70%、90%(质量分数)的5组试件3 d抗压强度分别为2.1、14.1、24.2、29.7、37.9 MPa。养护龄期越长, 反应越完全, 水化产物越多, 试件抗压强度越高。当矿粉含量为50%时, 三元地聚物1、3、7、28 d抗压强度分别为12.3、24.2、27.3、36.8 MPa。当矿粉含量为90%、养护龄期为28 d时, 试件抗折、抗压强度最高, 分别为12.0、52.0 MPa。该体系较短的凝结时间使其在道路修补材料及3D打印等领域有着较为广阔的应用前景。

种子萌发作为植物生命历程的开端，直接影响作物的最终产量。种子萌发常遭遇低温的影响，严重威胁粮食生产安全。利用傅里叶变换红外光谱结合曲线拟合研究低温对谷物种子（藜麦、青稞、水稻和小麦）萌发的影响。研究结果显示，4种谷物种子的发芽势、发芽率和发芽指数都随温度的降低而下降，青稞种子在4 ℃低温下的发芽率和发芽指数仍然较高，表明青稞种子的耐低温能力更强。红外光谱结果显示，低温胁迫下的谷物种子原始红外光谱整体特征相似，主要由多糖、脂肪和蛋白质的特征吸收峰组成。对低温胁迫下的谷物种子多糖（1200~950 cm^-1）和酰胺Ⅰ带（1700~1600 cm^-1）进行曲线拟合，结果显示：藜麦种子的多糖含量上升，蛋白质含量下降；青稞种子的多糖和蛋白质含量均呈先升后降的趋势；水稻种子的多糖含量下降，蛋白质含量上升；小麦种子的多糖含量呈先升后降的趋势，蛋白质含量呈先降后升的趋势。另外，在低温胁迫下，藜麦、青稞、水稻和小麦种子中都有不同比例的蛋白质二级结构从无序转向有序。因此，傅里叶变换红外光谱结合曲线拟合是一种研究低温胁迫对种子萌发影响的有效方法。

在基于生成对抗网络的红外与可见光图像融合中，针对融合结果中不同物体之间边缘模糊、源图像信息提取不足和融合信息不平衡等问题，提出一种基于自适应特征增强和生成器路径交互的深度融合方法。首先，自适应增强块根据权重图锐化源图像中不同物体的边缘信息，在自适应调整的特征增强损失与强度损失及梯度损失联合约束后，融合图像的对比度与纹理细节可以同时得到增强。其次，生成器路径交互结构在两条主路径之间增加交互卷积层以充分提取源图像信息，采用密集连接的卷积网络可以加强特征图的传输。此外，以主辅思想设计的内容损失函数和网络结构中引入的双鉴别器保证了融合结果中对比度与纹理细节的平衡。实验结果表明，所提方法的融合结果无论是在主观视觉评价还是客观定量评价方面都非常有竞争力，并且与其他方法相比，所提方法的运行速度最快。

针对目标检测定位准确性受边框回归损失函数影响的特性, 设计基于IoU(Intersection over Union)的边框回归损失函数IAIoU(Included Aspect-ratio IoU)。该损失设计两项优化项, 将预测框与标注框并集与交集面积的差与两框最小闭包面积之比及与两框最小闭包面积平方之比的和作为第一项优化项, 避免两框包含时损失函数退化; 利用两框长宽比值之差作为第二项优化项, 生成更接近标注框的预测框。设计的损失应用于单阶段检测算法YOLOv3, 在红外飞机数据集上进行验证, mAP达到92.17%, 比原始YOLOv3提升1.37%。

乳腺炎是奶牛生产养殖中最为严重的疾病之一, 奶牛乳腺炎的早期检测可以为后续治疗提供依据, 从而提高疾病治疗效率, 降低养殖风险。 为了对自然行走的奶牛实现快速、 高精度的“一步式”乳腺炎疾病检测, 提出了一种基于热红外图像, 融合数据增强与改进ResNet34的奶牛乳腺炎疾病检测方法。 相对于现有的“多步式”奶牛红外图像乳腺炎检测方法, 该方法无需奶牛关键部分如乳房和眼睛的定位以及温度提取等, 可有效避免“多步式”造成的误差累计, 从而实现更高效的乳腺炎检测。 首先, 将包含奶牛关键部位的局部图片水平拼接成信息完整的整体图片, 结合RandAugment数据增强方法扩增训练样本; 其次, 采用ResNet34残差网络作为实验的基础网络, 并根据热红外图像特性对模型进行如下改进: (1)精简网络内部冗余层使得模型更轻量化; (2)中间层添加辅助分类器弥补由于模型精简带来的特征损失; (3)将改进的多融合池化层代替原有单一池化层, 使得特征提取内容更丰富。 随机选取3 298张热红外图像(66头奶牛)作为实验对象, 并设置多组对比实验, 结果表明: 与传统ResNet34相比改进后ResNet34模型分类准确率提高3.4%, 基于改进ResNet34并融合迁移学习和数据增强的模型验证准确率达到90.3%, 测试准确率为88.4%, 分类时间仅需3.39×10-3 s。 为了保证实验数据集的样本独立性, 进一步将奶牛个体数量按照3∶1∶1划分为训练集、 验证集和测试集, 测得模型测试准确率达到80.3%, 证明所提出模型具有很好的鲁棒性。 根据测试结果, 计算出模型查准率为91.2%、 查全率为91.6%、 F1分数为91.4%, 与前人所做实验相比准确率提高了5.1%, 特异度提升5.3%。 该研究方法可以为初期奶牛乳腺疾病筛选和医学诊断提供辅助和参考。