为解决钢筋混凝土氯离子侵蚀难题，研究了不同掺量矿渣微粉对水泥净浆工作性能、力学性能和氯离子固化性能的影响，并通过物相分析、热重分析、孔结构分布和热力学模拟等方法对氯离子固化机理进行表征分析。结果表明：矿渣微粉能够改善水泥基材料的工作性能，有效提升水泥净浆后期抗压强度和氯离子固化能力，掺量为30%（质量分数）时综合性能最佳；矿渣微粉能够化学结合氯离子，促进体系生成Friedel盐和Kuzel盐，并且能够发生火山灰效应提升C-S-H凝胶含量，细化硬化浆体孔隙结构，提升密实度；水泥净浆氯离子固化能力受氯离子化学结合、物理吸附和阻迁能力共同作用，随着矿渣微粉掺量增加，水泥净浆氯离子化学结合和物理吸附能力逐渐增强，而阻迁能力存在最优掺量。本研究为矿渣微粉水泥基材料在远海岛礁工程建设中的应用提供技术支持和理论支撑。

光学相干层析成像(OCT)广泛应用于眼科, 用于观察视网膜的形态, 对病变区域的检测和诊断评估具有重要意义。由于液体的积聚引发的一系列视网膜疾病, 针对视网膜OCT图像中的液体检测和分割问题, 设计了一种具有全局上下文特征信息的神经网络, 利用多尺度的特征提取与融合的方法, 提出了一种多尺度的并行提取与高度融合的U型网络模型PH-UNet, 这是一种新的用于视网膜OCT图像液体区域分割的深度卷积神经网络。PH-UNet网络通过捕获多尺度的上下文信息, 更好地利用信息提取和融合的方法对视网膜OCT图像中液体区域进行端到端的分割。将提出的模型对MICCAI RETOUCH数据集中三种视网膜液体视网膜内液体(IRF)、视网膜下液体(SRF)和色素上皮脱离(PED)进行分割并与其他经典的分割网络模型进行了比较, 在precision精确率、dice相似系数、mIoU平均交并比三种指标上取得了最佳效果证明了其优越性。

在眼底图像的分类任务中，卷积神经网络(CNN)的应用较为普遍，但随着Transformer应用的推进，Vit(Vision Transformer)模型在医学图像的领域上展现了更高的性能。然而Vit模型通常需要在大型数据集上预训练，受医学图像获取成本较高的限制。因此，本文提出一种基于EfficientNet-Vit集成模型的眼底图像分类方法，此方法将卷积神经网络模型EfficientNetV2-S和Vit模型相结合，分别使用两种完全不同的方法提取眼底图像的特征，通过自适应加权融合算法计算得到最优加权因子0.6和0.4，利用加权软投票法进行模型集成，从而获得更好的分类结果。实验证明，相比于集成前，集成后的模型分类准确率分别提高了0.5%和1.6%。

光学相干层析成像(OCT)的质量通常会受到固有散斑噪声和低采样率的影响。为了在短扫描时间内获得高信噪比和高分辨率的OCT图像，本文提出了一种改进的OCT图像超分辨率重建网络模型PPECA-SRGAN。该模型将生成对抗网络(GAN)作为基础结构，可以不依赖配对数据集进行训练。在该模型的生成器残差块之间添加了金字塔注意力模块PANet，同时在判别器中加入了本文新提出的PECA模块，使其更加注重捕捉图像细节，提升模型对图像边缘纹理的重建能力。将所提PPECA-SRGAN模型在OCT图像数据集上进行实验，得到的峰值信噪比和结构相似性指标的平均值较当前三种经典模型的平均值分别约提高了3.5%和5.6%。实验结果表明，所提模型在鲁棒性和OCT图像细节重建方面较经典模型有较大提升。

本文提出了一种可以实现光纤高阶模式(HOM)在激光腔内振荡的锁模掺镱光纤激光器。通过使用一对级联的模式选择耦合器(MSC)作为有效的模式转换器，获得光纤锁模激光腔内HOM产生。其中，制备的MSC中心波长为1064 nm，可实现80 nm的模式转换带宽和94%的高阶模式纯度。通过搭建掺镱锁模光纤激光器，实验获得了3 dB谱宽7.4 nm、脉冲重复频率10.9 MHz、射频信噪比55 dB的锁模脉冲激光，输出功率的斜率效率为2.3%。实验证明，这种方法可在激光器内部通过模式级联转换，且能参与腔内锁模过程获得脉冲HOM激光。

振镜扫描系统因其具有高速和高精度等优点被广泛应用于激光快速成型、激光精密打标和激光扫描测量等诸多领域,但因振镜系统的引入而存在系统测量误差。鉴于此,首先搭建线激光一维振镜扫描系统并采用双棋盘格标定板的标定方法对系统进行标定,然后建立系统的误差模型并对扫描过程中的测量误差进行理论分析,最后针对振镜转角误差提出一种基于查表法的补偿方法。实验结果表明,当测量工作距离为250 mm左右时,误差补偿后,中心距离的方均根误差从0.733 mm降低至0.061 mm,标准差从0.200 mm降低至0.060 mm,说明该方法能够显著提高系统的测量精度和鲁棒性。

基于腔内的模式选择耦合器(MSC),报道了一种输出模式可切换的调Q脉冲掺铒光纤激光器。通过布拉格光栅和MSC的共同作用,实现输出波长的选择和不同模式间的转换。由于MSC具有模式分离特性且激光腔具有双支路输出配置,通过调整腔内损耗可以实现对激光输出不同模式间的切换,成功地观察到了同时具有线偏振模式(LP01模式和LP11模式)的双波长调Q脉冲输出,该模式可切换激光器可以应用在通信、粒子捕获等领域。

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据, 即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火, 导致该场景下的火灾视频样本不足。本文基于生成对抗网络, 将其他相似场景下录制的火焰迁移到指定场景, 以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息, 再通过添加烟雾和地面反射等风格信息, 完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量, 采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明, 与现有多模态图像转换相比, 本文方法可以保证场景中火焰形态的多样性, 迁移后的场景具有较高的视觉真实性, 所得结果的FID与LPIPS值最小, 分别为119.6和0.134 2。

对模式选择耦合器、声致光纤光栅等全光纤模式转换器件的工作原理进行总结,并结合锁模光纤激光器和模式转换器件的优势,简单高效地产生了超快矢量光束和涡旋光束,得到的超快高阶模式激光具有峰值功率高、模式纯度高等特点。实验证明了模式转换器件的快速响应特性和宽带模式转换特性,并指出了其未来的发展方向和应用前景。