带涂层钢结构亚表面缺陷的存在例如腐蚀、钢基体裂纹及涂层脱粘等，会对整体结构的性能产生影响，并加速涂层系统退化过程。因此，提出一种基于 YOLO v5的带涂层钢结构亚表面缺陷脉冲涡流热成像智能检测方法。这一方法可以在不移除涂层的情况下自动检测带涂层钢结构亚表面缺陷，具有重要的工程应用价值。通过所提方法，在保留涂层的情况下，对带涂层钢结构中的腐蚀、裂纹、脱粘等亚表面缺陷进行智能检测。检测结果表明，本文所提方法能够精确地识别和分类带涂层钢结构的 4种亚表面缺陷类型：钢基体裂纹、脱粘、严重质量损失（如腐蚀凹坑、腐蚀磨损）以及轻微质量损失（如腐蚀薄层）。4种缺陷类型的检测精度分别高达 96%、97%、95%和 93%，同时满足实时性检测需求。

通过改变粉煤灰掺量，观察了焙烧水滑石增强的胶凝材料力学性能、水化及微观结构特性。抗压强度测试表明，焙烧水滑石能极大提高水泥-粉煤灰砂浆抗压强度。通过X射线衍射及综合热分析实验对硬化水泥浆体相组成进行了测试，结果显示焙烧水滑石能促进水泥-粉煤灰胶凝材料水化，进而提高了水化产物含量。通过扫描电子显微镜观察到，焙烧水滑石能促进粉煤灰溶解，且其成核作用有利于水化产物的生成。

大面阵焦平面成像探测器需要具有随机开窗和反转读出功能, 同时需要降低功耗。文章基于标准数字电路设计流程。设计了一种新型的基于格雷码编码规律的寻址计数器, 用于对阵列的行地址和列地址进行寻址, 提高了寻址的可靠性。对设计进行RTL级仿真, 结果表明该设计能够实现任意开窗和反转读出功能。采用TSMC90工艺库对1024×1024阵列规模的RTL级设计进行分析计算, 结果显示供电电压为3.3V时, 寻址计数器功耗仅为19.56μW,整体设计功耗仅为58.75μW, 适用于大面阵焦平面读出电路的设计。

锶镉锗硒(SrCdGeSe4)晶体是近期被发现的一种性能优异的新型红外非线性光学材料。本研究采用自制的双温区管式炉成功合成出SrCdGeSe4多晶, 单次合成量达到300 g; 采用坩埚下降法首次生长出SrCdGeSe4单晶, 尺寸为27 mm×80 mm; 通过定向、切割和抛光等程序, 得到几个不同尺寸的定向SrCdGeSe4晶片, 选取一片8×8×2 mm3双面抛光(110)晶片测试了摇摆曲线、红外透过光谱和激光损伤阈值。结果显示: (220)摇摆曲线半峰宽为44.8″, 该晶体的短波透过截止边为596 nm, 且在1~14 μm波长范围内透过率超过68%; 另外, 晶体在Nd∶YAG脉冲激光, 脉宽5 ns, 重复频率1 Hz, 光斑直径0.15 mm测试条件下, 激光损伤阈值为530 MW/cm2。

介绍了一种轻小型推扫视频一体化微纳遥感相机的综合优化设计思路。系统设计时综合考虑星地一体化处理, 采用大F数RC系统降低产品光机体积重量; 电子学采用商用货架产品加固技术实现高性能同时降低成本, 星上数据处理采用数字TDI技术实现面阵相机推扫视频一体化成像, 大幅提升成像效能。采用该方法设计的微纳遥感相机具备视频、推扫、条带等多种工作模式, 满足不同应用场景需求。该技术在欧比特视频相机等微纳遥感载荷的设计及研制中进行了应用, 在轨获取了高品质的视频及遥感图像, 在商业遥感载荷市场具有广阔的应用前景。

为深入研究卡拉胶寡糖对反复冻融南美白对虾样品品质与蛋白变化影响, 采用傅里叶变换中红外(Fourier transform infrared, FTIR)互补结合激光显微拉曼(micro Raman)光谱技术, 以不同预处理方式(无菌蒸馏水、 三聚磷酸盐溶液与卡拉胶寡糖溶液)下反复冻融南美白对虾肌原纤维蛋白为研究对象, 深入研究了卡拉胶寡糖预处理对不同冻融阶段南美白对虾肌肉品质和蛋白的影响机制。 分别对三种预处理方式下经0, 2, 4和6次冻融循环后的南美白对虾肌原纤维蛋白进行FTIR和拉曼光谱分析。 FTIR和拉曼一阶谱图中各特征峰强度变化谱图可得出, 随冻融次数增加, 南美白对虾肌肉的蛋白损失和结构破坏明显加剧。 样品肌肉蛋白二级结构的主链构象主要由酰胺Ⅰ带(1 600~1 700 cm-1)表征, FTIR分析显示新鲜虾肉蛋白二级结构以β-转角为主, 其次为β-折叠, 其弥补了拉曼光谱对β-折叠和β-转角的不敏感。 FTIR与拉曼光谱酰胺Ⅰ带高斯拟合后谱图可定性定量显示冻融过程中样品的蛋白二级结构变化主要是α-螺旋结构的减少与无规卷曲结构的增加, 而卡拉胶寡糖预处理能明显抑制冻融过程中α-螺旋结构的损失。 FTIR对蛋白表面氨基酸变化不敏感, 拉曼光谱则可互补显示样品蛋白侧链的构象变化。 其表征酪氨酸残基的谱带出现在850和830 cm-1, 峰强比表征了样品中酪氨酸的暴露程度在冻融期间呈增长趋势; 脂肪族侧链氨基酸残基的C—H弯曲与伸缩振动分别在1 440~1 465和2 800~3 100 cm-1区间, 1 448和2 935 cm-1处峰强变化表征了样品侧链氨基酸的疏水相互作用在冻融过程中逐渐增强。 拉曼光谱中蛋白侧链的特征谱带变化表明冻融过程使虾肉蛋白中分子内、 分子间氢键断裂和侧链酪氨酸、 脂肪族氨基酸残基暴露, 而卡拉胶寡糖处理后明显延缓了该变化。 因此, 卡拉胶寡糖可延缓反复冻融虾肉蛋白中氢键断裂、 侧链疏水基暴露, 进一步稳定蛋白二级结构, 维持其蛋白功能特性, 从而起到对反复冻融南美白对虾肌肉品质的保护作用。 同时, 本研究将FTIR与拉曼光谱技术结合应用在卡拉胶寡糖对冻融南美白对虾肌肉品质保护机制研究上, 发现FTIR在南美白对虾蛋白二级结构的表征上更敏感, 拉曼光谱则能为样品蛋白侧链构象变化提供参考, 二者结合可通过提供互补信息, 更好表征样品经处理后蛋白的结构变化。

高效无损地评估农作物病害等级, 对于实际农业生产和研究都具有重要意义。 研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性, 分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响, 并定量对比两种传感器的病害监测效果。 实验研究区由67个不同品种的水稻小区组成, 每块小区均分为相接的纹枯病接种区和侵染区。 以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台, 分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。 同时, 通过植保专家现场调查的方式识别病害等级, 并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。 基于影像拼接、 波段叠合、 辐射校正后的预处理结果, 对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数, 即NDI（normalized difference index）, ExG（excess green）, ExR（excess red）, ExG-ExR, B*, G*, R*, 多光谱图像除上述可见光指数外再计算NDVI（normalized difference vegetation index）, RVI（ratio vegetation index）和NDWI（normalized difference water Index）三种多光谱植被指数。 将计算得到的图像植被指数与地面实测NDVI进行相关性分析, 以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。 相关性分析结果表明, 基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高, 接种区R2为0.914, RMSE为0.024, 侵染区R2为0.863, RMSE为0.024。 对于可见光传感器, NDI与实测NDVI的相关性最好, 接种区R2为0.875, RMSE为0.011, 侵染区R2为0.703, RMSE为0.014。 比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性, 除B*外, NDI, ExR, ExG-ExR, G*, ExG, R*与实测NDVI基本属于高度相关, 在病害严重的接种区, 两种传感器对水稻纹枯病的监测效果相近, 但在病害相对较轻的侵染区, 多光谱传感器的监测更为精确灵敏。 基于多光谱图像NDVI建立的病害等级反演模型, R2达到0.624, RMSE为0.801, 预测精度达到90.04%, 模型效果良好。 而基于可见光图像NDI建立的反演模型, R2为0.580, RMSE为0.847, 预测精度为89.45%, 效果稍差。 对比分析可见光与多光谱传感器的光谱响应曲线, 可见光传感器可获取可见光范围的红、 绿、 蓝三个波段, 波段范围互相重叠, 多光谱传感器包含五个成像单元, 可独立获取从可见光到近红外的五个窄波光谱波段, 提供更加准确的光谱信息。 比较传感器获取的接种区和侵染区水稻平均反射率曲线得出, 多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异, 在红边和近红外波段差异则更加明显, 这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。 综上所述, 基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的, 多光谱传感器精确灵敏, 可用于纹枯病的早期监测, 可见光传感器效果稍差但经济易于推广。 研究结果为病虫害防治提供决策支持, 有助于推动实现精准农业, 保障粮食安全。

描述了基于AlGaN日盲紫外焦平面成像系统的硬件和软件设计,实现了对320×256阵列的AlGaN日盲紫外焦平面探测器输出信号的采集、图像处理和成像显示,针对紫外焦平面阵列(UVFPA)器件响应不均匀性,以及容易产生条纹状固定图形背景的问题,以FPGA为硬件平台,研究了紫外图像的非均匀性校正算法,实现了紫外图像的实时非均匀性校正。经实时的紫外图像处理实验对比与分析表明,该算法有效地提高了图像质量,非均匀性从9.609%降到了4.642%。从实时的紫外图像处理结果来看,成像处理系统完成了图像采集、处理,以及成像显示,并取得了良好的成像效果。