马德里指纹错案的出现使得现行指纹鉴定体系不断受到挑战和质疑。以指纹二级特征的统计规律为基础的量化鉴定技术成为了新的研究难点与热点，而指纹二级特征的自动检测与分类是实现指纹二级特征自动统计的基础。因此，提出一种基于YOLOv5的指纹二级特征检测方法。首先，建立指纹二级特征数据集，共包含4000张带标注的指纹图像；其次，根据指纹二级特征点尺寸小且分布密集的特点，对YOLOv5网络结构进行改进，删除原有的32倍下采样大目标特征检测层，添加新的微小特征融合层；再使用Feature Pyramid Networks（FPN）、Pyramid Attention Network（PAN）和Spatial Pyramid Pooling（SPP）结构通过融合多种尺度的方式实现局部特征和全局特征提取；最后，添加Squeeze-and-Excitation（SE）通道注意力机制模块，有效增强模型的鲁棒性和密集小目标的检测能力。实验结果表明，相比于原模型，改进后YOLOv5s_FI模型，在检测速度基本不变的情况下，平均精度均值（mAP0.5）从93.0%提高到97.4%，且权重缩减了3/4。

The automatic and accurate identification of apoptosis facilitates large-scale cell analysis. Most identification approaches using nucleus fluorescence imaging are based on specific morphological parameters. However, these parameters cannot completely describe nuclear morphology, thus limiting the identification accuracy of models. This paper proposes a new feature extraction method to improve the performance of the model for apoptosis identification. The proposed method uses a histogram of oriented gradient (HOG) of high-frequency wavelet coefficients to extract internal and edge texture information. The HOG vectors are classified using support vector machine. The experimental results demonstrate that the proposed feature extraction method well performs apoptosis identification, attaining 95.7% accuracy with low cost in terms of time. We confirmed that our method has potential applications to cell biology research.The automatic and accurate identification of apoptosis facilitates large-scale cell analysis. Most identification approaches using nucleus fluorescence imaging are based on specific morphological parameters. However, these parameters cannot completely describe nuclear morphology, thus limiting the identification accuracy of models. This paper proposes a new feature extraction method to improve the performance of the model for apoptosis identification. The proposed method uses a histogram of oriented gradient (HOG) of high-frequency wavelet coefficients to extract internal and edge texture information. The HOG vectors are classified using support vector machine. The experimental results demonstrate that the proposed feature extraction method well performs apoptosis identification, attaining 95.7% accuracy with low cost in terms of time. We confirmed that our method has potential applications to cell biology research.

太赫兹技术的不断发展和在各个领域的进一步应用, 对碲化锌 (ZnTe)电光晶体提出越来越高的要求。采用 Te溶剂法生长碲化锌晶体, 可以有效降低晶体的生长温度, 但不可避免的会引入 Te夹杂相, 进而影响其结晶质量。本工作提出利用 Zn气氛等温退火和梯度退火 2种方法, 在不同退火温度下成功消除了 ZnTe晶体内部尺寸小于 10 μm的 Te夹杂相, 发现夹杂相去除效率与退火温度和梯度密切相关。经过 650℃, 100 h的梯度退火后, Te夹杂相去除效率可达 83%。Zn气氛退火后, 晶体内部出现 VTe-Tei复合缺陷, 表明退火中存在扩散导致的缺陷反应, 对晶体的结晶质量和光学性能产生影响。通过对退火前后晶体的 X射线摇摆曲线衍射峰的研究, 发现去除 Te夹杂后晶体结晶质量总体提高, 证明 Te夹杂相是左右 ZnTe晶体结晶质量的主要结构缺陷。

六价铬(Cr(VI))因其高毒性受到人们广泛关注，为提高吸附法去除Cr(VI)的效率，合成了一种新型核壳结构的聚乙烯亚胺(PEI)功能化复合纳米颗粒(Fe3O4@SiO2-NH2)，用于去除水中Cr(VI)。研究了磁性纳米颗粒的化学结构、形貌和磁性特性。考察了初始浓度、吸附时间、溶液pH值和无机阴离子对Cr(VI)吸附效率的影响。Fe3O4@SiO2-NH2在去除Cr(VI)方面表现出优异的性能，其最大吸附容量为251.83 mg/g。吸附过程具有pH值依赖性，自发性，吸热性。Fe3O4@SiO2-NH2质子化，通过静电吸引完成对Cr(VI)的吸附。同时X射线光电子能谱结果表明，部分Cr(VI)被还原为低毒的Cr(III)。Fe3O4@SiO2-NH2去除水中Cr(VI)时具有良好的重复使用性，且磁选时间仅需50 s。

敦煌校正场是我国最重要的辐射校正场，地面目标的方向反射特性是影响场地定标精度的重要参数。对于在什么情况下需要校正地表反射率及采用哪种双向反射分布函数（BRDF）进行校正，尚无明确的研究。由于中等分辨率成像光谱仪（MODIS）精度较高，对MODIS影像进行了分析。首先利用2020年9月敦煌场地6组不同测量时刻下的无人机多角度观测数据，分别以6种不同核函数组合方式建立36个不同的BRDF模型，针对不同观测角度下的MODIS影像，分别计算BRDF校正前和BRDF校正后的表观反射率；而后与卫星实测表观反射率进行相对偏差的比较。实验结果表明，以28°的观测角度为界，当观测角度大于28°时相对偏差较大，且BRDF校正对结果的影响较大；在所建立的BRDF模型中，采用接近卫星过境时刻测量的多角度观测数据所建立的BRDF模型校正效果更好；且基于Rossthick-Lidense、RossThick-LiSparseR和Rossthin-LisparseR这三种核函数组合方式的BRDF模型所计算的表观反射率与卫星观测值的相对偏差都比较小。

为了监测卫星传感器在轨辐射性能的变化、提高定标的频次和精度、满足新时期定量遥感的应用需求,提出了一种基于卡尔曼滤波的时间序列定标方法。以敦煌辐射校正场为试验场,获取高分一号宽视场成像仪(GF1-WFV)在2013—2020年间多景敦煌场地影像,先对影像灰度值进行归一化处理,利用标准差剔除异常值,筛选出有效影像;采用基于稳定目标的历史数据时间序列定标方法计算定标系数,并利用卡尔曼滤波思想对定标系数进行进一步处理,最后分别将本文定标结果与中国资源卫星应用中心(CCRS)定标结果、Landsat8定标结果进行对比。结果表明:高分一号卫星传感器在轨运行期间的最大年衰减率不超过0.3%,说明传感器未发生明显衰减;通过对定标结果的对比验证,发现基于卡尔曼滤波的时间序列定标方法所获得的定标结果比CCRS定标结果的精度高,其中各波段的平均相对误差最大可减小16.14%。由此可见基于卡尔曼滤波的时间序列定标方法具有较好的可靠性和稳定性。

敦煌国家辐射校正场每年都开展大量实验，为国内外对地观测卫星提供定标服务，但多年来敦煌场进行像元尺度地表反射率获取工作时，有关地面光谱采样方案准确度的研究较少。为定量评估不同地面采样方法的准确度，确定不同像元尺度地表反射率获取时采样点的最佳位置，实现敦煌场高精度高效率业务化测量，利用敦煌高分辨率无人机数据与GF-1卫星2 m全色数据对不同像元尺度地表反射率采样方法准确度进行定量分析。研究结果表明：获取陆地卫星像元尺度地表反射率，建议在敦煌150 m国家场的位置用5点系统采样方案初步标定2 m样方位置，并用光谱仪在各2 m样方内用5点系统采样法进行测量；对于气象卫星像元尺度，建议在新选3 km场地用5点模拟退火采样方案确定2 m样方位置，并用光谱仪在各2 m样方内用5点系统采样法进行测量。

通过分析压电叠堆的工作特性，设计了一种以高压运放PA41为核心器件的电压控制型压电叠堆驱动电源。阐述了两种驱动电路方法并选择合适的方案，分析了驱动电路原理并完成电路元器件选型。最后搭建实验平台对驱动电源进行实验测试，分析其输出特性曲线及输出误差的原因。实验结果表明，此电源调节方便，响应迅速，能有效应用于压电叠堆的驱动控制。

QuanTi-FRET是一种通过对多种荧光共振能量转移(FRET)标准质粒样本进行多次FRET成像来测量FRET成像系统敏化淬灭转化因子(G)和供受体通道激发效率校正因子(β)的方法。本课题组发展了一种基于一次成像测量系统校正因子G和β的智能型QuanTi-FRET方法——AutoQT-FRET方法。AutoQT-FRET方法包括如下4个步骤：1)将分别转染了不同FRET标准串联质粒(C5V、C17V、C32V和CTV)的细胞合并到一个细胞培养皿中培养，对该皿细胞样本进行三通道FRET成像；2)对三通道图像进行区域划分，并根据不同种类的FRET标准质粒对各区域进行归类；3)对归类成功的区域逐像素绘制三维空间散点图，以确定各个FRET标准质粒的标准线；4)使用确定好的各质粒标准线对整个视野内的细胞区域进行质粒分类与系统校正因子G和β的测量。该方法大幅简化了系统校正因子的测量过程，缩短了测量时间。本文比较了AutoQT-FRET方法与其他方法测量系统校正因子的优劣，实验结果表明：AutoQT-FRET方法操作简单，而且测量稳定性与准确度都有所提高。