煤与矸石分选是煤矿生产的必要工序, 现有的人工分选与机械分选, 存在效率低, 易造成资源浪费以及环境污染等问题。 鉴于可见/近红外高光谱成像具有分析速度快、 样品无需预处理、 无污染等诸多优势, 旨在探讨基于可见/近红外高光谱成像对黑色背景下块状煤与矸石准确分类的可行性, 并基于特征波长筛选算法简化模型, 为构建多光谱煤与矸石分选系统提供理论参考。 首先, 搭建高光谱成像系统并采集山西西铭矿的85个煤样本与83个矸石样本在400~1 000 nm(Vis/NIR)与1 000~2 500 nm(NIR)两个范围内的高光谱图像, 基于图像处理方法去除背景信息, 选取Vis/NIR范围内100×100像素和NIR范围内50×50像素区域内的平均光谱作为该样本在对应波段范围的一条光谱, 重复10次, 最终在两个波段各获得煤与矸石光谱850条和830条。 其次, 对光谱先后进行Savitzky-Golay卷积平滑和标准正态变量变换, 以减少噪音和误差对光谱的影响。 基于全波段光谱建立支持向量机(SVM), k近邻法(KNN), 偏最小二乘判别分析(PLS-DA)三种模型, 每个模型针对预测集的分类准确度均大于0.95, 结果表明, 基于煤和矸石的光谱信息可将二者区分。 随后根据竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择的特征波长建立简化模型, 综合考虑精度与成本等因素, 在Vis/NIR范围内基于SPA筛选的3个特征波长所建立的SVM模型效果最好, 不仅能有效减少波长数量, 还能提高模型的分类效果, 对应的灵敏度, 特异度, 准确度分别为1, 0.965 2, 0.983 3。 基于判别模型与样本的平均光谱还可实现煤和矸石的分类可视化。 研究结果对开发基于特征波长的低成本煤和矸石多光谱分选系统, 实现煤矸快速、 准确的无损检测具有借鉴意义。

化疗药物敏感性测试中药物诱导的癌细胞凋亡的检测，对于实现更有效的个性化治疗具有重要意义。数字全息显微成像为癌细胞凋亡过程的检测提供了一种非侵入性的活细胞定量相位成像方法，能够满足细胞无标记、长时间成像以及药物作用下的细胞形态和动力学参数的评估。采用数字全息技术在无标记条件下对癌细胞加入药物后细胞凋亡过程进行动态连续成像记录，并对癌细胞相位图像进行数值再现，提取了细胞相位均值及细胞干重参数对癌细胞凋亡过程定量表征。实现结果表明，在癌细胞凋亡过程中，细胞相位值有不断增大的趋势，细胞面积减小，但细胞干重基本保持不变。而在细胞死亡破裂时，细胞相位值与细胞干重急剧减小，这可能是由于细胞膜破裂，细胞内物质流出导致的。这一结果也表明，数字全息显微成像能够为体外化疗药物敏感性检测提供了一种新的思路。

纹枯病是水稻的主要病害之一, 其防治对于保证水稻产量、 质量具有重要意义, 以高光谱检测水稻病害得到了广泛应用, 并且高光谱降维是光谱分析的重要环节。 该研究在2019年沈农水稻试验基地获取水稻低空遥感冠层与地面冠层高光谱, 并对其进行以窗口宽度为15和阶数为3的Savitzky-Golay平滑处理和光谱变换(得到原始光谱、 一阶微分光谱和倒数之对数光谱), 分窗口对这3种光谱分别进行Gram-Schmidt变换, 找到投影空间并映射出主基底, 实现高光谱数据降维, 绘制具有显著性概率的主基底, 其极大极小值为特征波段。 此外3种光谱还采用了主成分分析和连续投影法降维。 以降维后的数据与水稻纹枯病病情指数进行支持向量机回归建模, 其中支持向量机回归进行粒子群优化, 并以径向基为核函数, 对比分析了3种降维方式的降维效果。 结果表明: 水稻地面冠层尺度建模效果高于低空遥感尺度建模; 在光谱处理方面, 低空冠层高光谱进行倒数之对数变换效果较好, 地面冠层所得高光谱数据进行一阶微分变换效果较好; 分窗Gram-Schmidt变换算法优于主成分分析和连续投影法; 粒子群算法可以优化支持向量机中的惩罚系数和核函数参数, 提高其反演精度; 无人机低空遥感尺度中, 高光谱进行倒数之对数处理, 以分窗Gram-Schmidt变换降维, 敏感波段为427.3, 539.6, 749.5和825.4 nm, PSO-SVR建模决定系数R²为0.731, 均方根误差RMSE为0.151; 地面冠层尺度中, 高光谱进行一阶微分处理, 以分窗Gram-Schmidt变换降维, 敏感波段为552, 607, 702和730 nm, PSO-SVR模型决定系数R²为0.778, 均方根误差RMSE为0.147。 因此, 高光谱技术可以有效地检测水稻纹枯病, 并且其病情指数可用冠层高光谱进行反演, 分窗Gram-Schmidt变换对于高光谱数据降维有较好的效果, PSO-SVR建模对于水稻纹枯病病情指数的反演有明显提高, 结果可为冠层尺度检测水稻纹枯病与病害发生情况提供一定的理论基础和技术支撑。

General relativity establishes the equality between matter-energy density and the Riemann curvature of spacetime. Therefore, light or matter will be bent or trapped when passing near the massive celestial objects, and Newton’s second law fails to explain it. The gravitational effect is not only extensively studied in astronomy but also attracts a great deal of interest in the field of optics. People have mimicked black holes, Einstein’s ring, and other fascinating effects in diverse optical systems. Here, with a gradient index lens, in the geometrical optics regime, we mimic the Schwarzschild precession in the orbit of the star S2 near the Galactic Center massive black hole, which was recently first detected by European Southern Observatory. We also find other series of gradient index lenses that can be used to mimic the possible Reissner–Nordstr?m metric of Einstein’s field equation and dark matter particle motion. Light rays in such gradient lenses will be closed in some cases, while in other cases it would be trapped by the center or keep dancing around the center. Our work presents an efficient toy model to help investigate some complex celestial behaviors, which may require long period detection by using high-precision astronomical tools. The induced gradient lenses enlightened by the gravitational effect also enrich the family of absolute optical instruments for their selective closed trajectories.

在UNet框架中集成SENet权重标定学习机制，设计了USENet实现图像超分辨重构.网络以对称拓扑叠加残差运算，通过多尺度卷积窗口增强模型精度与泛化能力，为图像特征通道引入权重标定算法以提升兴趣区域的估算置信度.结果表明，该模型能够明显改善输入样本的细节特征，已将验证集与真实图像的结构相似性从平均0.770 2提升至0.942 7.根据实验组和不带标定层的对照组重建图像对比显示，标定层可进一步在全局图像中将兴趣区域从平均0.965 5提升至0.970 3.