番茄是一种营养丰富且深受人们喜爱的果蔬, 在全球都得到了广泛的种植, 而我国番茄产销量稳居全球首位。 番茄不仅在人们的生活中扮演了一个重要的角色, 在工业生产中也占据了举足轻重的位置, 我国番茄的出口也在不断增加。 番茄的糖分、 酸度、 维生素C及可溶性固形物含量是反映番茄内部品质的重要评价指标, 而可溶性固形物含量是这些内部品质的总和, 能够较好地表征番茄的内部品质。 因此, 实现对番茄可溶性固形物含量的快速检测对番茄的工业生产和日常生活有着巨大的帮助。 基于化学原理的传统检测方法会对番茄样品产生不可逆的破坏, 且耗时耗力, 难以应对我国现代工业生产的需要。 因此, 寻求番茄内部品质的快速无损检测技术成为了亟待解决的问题。 近年来, 近红外光谱分析在多个领域得到了广泛的应用； 基于近红外光谱检测方法对反映番茄甜度的可溶性固形物含量进行了相关性建模和预测研究。 实验搭建了近红外光谱检测平台, 选择了255个不同成熟度和品种的番茄样本, 每个样本采集了光谱数据和可溶性固形物含量值。 研究对比了SNV, MSC, NOR和SG等光谱数据预处理方法, 并采用K-S算法划分建模校正集和验证集。 同时, 为提高检测可靠度和建模效率, 研究对比了CARS, RF, SPA和UVE等算法来进行数据降维。 结果表明, 采用SNV加二阶15点SG平滑组合的预处理与CARS波段选择相结合, 利用选出的54个波段建立的模型效果较好, 校正、 验证和交互验证相关系数R2分别达到了0.90, 0.89和0.91, 均方根误差RMSE分别为0.14, 0.15和0.14°Brix。 利用自行搭建的近红外光谱检测平台可较好地实现了番茄糖分的快速检测。

传统半导体材料随着器件尺寸的减小, 会出现热效应、尺寸效应等现象, 导致器件性能下降甚至失效。为了解决这些问题, 研究者们寻求新的材料来代替传统半导体材料。黑磷作为一种p型二维材料, 不但具有直接带隙, 而且具有高载流子迁移率, 得到了广泛研究。本综述介绍了黑磷的几种常见制备方法, 如机械剥离法、液相剥离法等, 总结了黑磷在太阳电池、光电探测器、场效应晶体管领域的应用现状。最后, 对黑磷未来的发展进行了展望。

针对叶轮类复杂曲面, 在机器人自动加工系统平台基础上, 选择旋转锉对其进行加工。对F型旋转锉进行了坐标变换的理论推导, 便于机器人工具坐标系的标定。利用ANSYS Workbench软件对叶轮材料进行了有限元分析, 获得了工件变形、应力应变、刀具变形等规律。

Eye-feature diagnosis is a time-honored method for studying many diseases in traditional Chinese medicine. There is a close relationship between eye-feature and viscera, and eye-feature is a reflection of visceral health status. Commercially used ophthalmology diagnosis instruments have disadvantages and cannot satisfy the requirements of eye-feature diagnosis. In this paper, we proposed a novel askiatic imaging method that removes the interference of an illumination source's reflection shadow and is free from image splicing. We developed a novel imaging system to implement this method, and some eye-feature characteristics to analyze visceral diseases were obtained.

目前临床病原菌检测主要依赖细菌培养的方法，该方法周期长、准确性低，且容易产生交叉污染和人体感染等问题。提出微流控芯片核酸恒温扩增分子诊断技术，开发离心进样空气隔离微流控芯片和共焦面成像光学检测系统，采用旋转扫描信号采集方法和薄层空气浴流动加热比例-积分-微分温控方法对呼吸道病原菌进行实验和分析。研制恒温扩增微流控芯片核酸分析系统，将系统检测灵敏度提高至10 copies，降低样品试剂消耗量至0.94 μL，在45 min内能够同时进行多种病原菌指标的并行分析鉴定。通过100例临床样品实验测试，得到所提系统与传统聚合酶链反应所得结果的总符合率大于98%，可满足医院、社区医疗、乡镇卫生诊所等低成本精准医疗应用的需要。

实木地板的表面缺陷直接影响其力学性能和产品等级, 表面缺陷的快速检测对实木地板的在线分选具有重要的现实意义。 针对视觉方法检测实木地板表面缺陷识别率低的问题, 提出了一种基于近红外光谱分析技术的检测方法。 首先, 分别采集规格为200 mm×100 mm×20 mm的表面带有活节、 死节以及无缺陷的实木地板的光谱数据各60份, 其中30份作为训练样本, 30份作为测试样本； 其次, 使用高斯滤波(GSF)、 分段多元散射校正(PMSC)和去趋势法(DT)等方法对采集到的光谱数据进行预处理, 降低光谱噪声、 消除光谱的散射影响； 然后, 利用改进遗传算法从处理后的光谱中提取特征波长用于构建缺陷识别与分类模型； 最后, 使用基于贝叶斯理论改进的神经网络构建实木地板缺陷识别和分类模型。 实验使用含有活节、 死节以及无缺陷的实木地板样本对模型进行训练和测试, 结果表明: 通过贝叶斯神经网络构建的缺陷识别与分类模型能够准确识别活节、 死节和无缺陷三类实木地板, 识别率分别为9220%, 9447%和9557%。 证明了实木地板表面缺陷类型与其近红外吸收光谱密切相关, 并为下一步实现实木地板表面缺陷的准确定位提供快速检测方法。

针对IP over WDM网络, 建立了整数线性规划(ILP)最小功耗模型, 计算了满足峰值业务需要开启的设备数目; 对于低峰业务提出休眠机制, 分别利用最小光路数算法与最小跳数算法, 在保证连接无阻塞的情况下找出空闲设备, 对比峰值业务得到不同算法下的设备使用率, 确定IP over WDM网络的节能潜力。结果表明, ILP优化模型的网络功耗最小, 最小光路数算法次之; 低峰业务下利用休眠机制可以关闭设备的比例占40%~60%; 采用最小光路数算法的休眠机制节能效果较优。

近年来光网络朝着高速率、大带宽的方向迅猛发展，设备数目快速增加导致网络能耗急剧增长。为了降低网络能耗，提高能量利用率，绿色IP over WDM网络的概念被提出，并成为光网络领域的最新研究热点之一。对现有光网络节能方法的研究状况进行综述，从网络设备入手，讨论业务负载和设备能耗的关系，建立了两种能耗模型。基于IP over WDM网络结构，利用数学表达式描述了网络能耗最小化问题。对当前网络级的节能方法进行分类，分析了其基本原理和节能效果，并选取代表性的节能方法进行比较，得出了现有方法存在的局限性和不足，对进一步的研究方向提出了建议。

在传统的网络路由算法中，一般采用最短路径算法进行路由选路，最短路径算法以节点间的距离为权重，计算一条由源节点至目的节点的权重最小的路径以完成路由。最短路径算法虽然最小化了距离长度代价，却没有考虑能耗问题，所以使用最短路径算法所得出路径的能耗并不一定是最小的。针对这一问题，提出一种新型的综合性绿色路由算法，设定能耗作为节点间的权重，融合光旁路及业务量疏导，同时考虑路由和波长分配(RWA)问题，将完成每个业务所需要的能耗最小化，实现节能。仿真结果表明，与最短路径算法相比，绿色路由算法在较大规模网络中能够节省约40%的能耗，节能效果相当显著。

为了了解Wollaston棱镜用于发散光束时对出射o光束、e光束发散角的影响，利用折射定律对发散光束两边缘光线通过Wollaston棱镜后的o光、e光分束角进行了推导，采用控制变量法分析了发散光束经过Wollaston棱镜后岀射的o光束和e光束的变化，得出了Wollaston棱镜对出射o光束、e光束发散角的影响。结果表明，相对入射光束的发散角，Wollaston棱镜对o光束有减小发散角的作用，对e光束有增大发散角的作用；对于一定结构角的棱镜，当入射光的波长变大时，o光束发散角增大，而e光束发散角减小；对于确定的单色发散光束，当结构角增大时，o光束发散角减小，而e光束发散角增大；无论是入射光的波长还是棱镜结构角的变化，对出射o光束、e光束发散角的影响都是有限的。由此可见，在要求不是太高的应用中，可以忽略Wollaston棱镜对出射o光束、e光束发散角的影响。