Canny算法在PC机上的执行速度较慢, 这极大地限制了其实用性。本文在前人的研究基础上对算法进行更深的优化和改进。首先在VS2012开发环境下利用数字图像处理技术对原算法进行原理上的改进, 再利用GPU流处理器数量众多的优势以及强大的多线程并发执行能力对Canny算法进行并行加速。在500 pixel×500 pixel的图片上, 对本文算法和原Canny算法进行了实验验证。实验结果表明, 在4 096 pixel×4 096 pixel大小的图片上采用本文的GPU移植算法处理后, 执行速度从80 ms降到了6 ms以内。在不影响边缘检测效果的前提下极大地提高了算法的实用性。

为考察不同类型光谱信息用于银杏叶质量快速分析的适应性, 收集了58个银杏叶样品, 采用高效液相色谱方法(HPLC)测定其黄酮及内酯类活性成分的含量作为定标和检验样本的因变量(y)值, 测定各样品的紫外、 近红外光谱及包含紫外、 可见及近红外信号的多源复合光谱信息作为样本的自变量(x)值; 分别采用偏最小二乘回归(PLSR), 以及根据待测样本在自变量空间最近邻K个样本与待测样本间的相互关系去预测其因变量值的KNN保形映射(KNN-KSR)方法, 建立银杏叶活性成分的光谱定量分析模型, 比较各光谱模型下检验集样本实测值与模型值的相关系数(R)、 均方根偏差(RMSEP)、 平均相对误差(MRE)。 结果表明PLSR方法所建立的三类光谱模型的各项指标均不及KNN-KSR方法、 且其紫外光谱模型的结果极差; 而采用KNN-KSR方法根据三类光谱信息预测银杏叶中黄酮、 内酯类成分时, R基本能达到0.8、 RMSEP分别小于0.05与0.025且其平均相对误差均在8%以下。 采用KNN-KSR方法根据紫外、 近红外及多源光谱信息均可实现对银杏叶中四类黄酮醇苷成分及三类内酯成分含量的快速分析, 突破了现有工作只是基于PLSR方法、 根据近红外光谱信息对银杏叶总黄酮醇苷进行定量分析的局限; 利用紫外和多源复合光谱信息及KNN-KSR方法进行银杏叶中黄酮醇苷及内酯类成分的快速检测, 为银杏叶质量分析提供了更多的方法和选择。 多源复合光谱仪具有体积小、 成本低, 便携的优点, 非常适合银杏叶药材现场采购的快速检测及后续产品的质量分析与监控。Infrared and Multi-Source Composite Spectral Information

燃油存在“消耗量大”、 “相对低质”、 “前端缺少清洁”、 “末端排放缺乏控制”四大问题, 我国的空气污染60%以上来自煤和油的燃烧, 雾霾问题很大程度上取决于能源问题。 快速准确地实现汽油、 柴油、 煤油等成品油的鉴别与测量, 对于实施空气污染监测及治理具有重要意义。 在精确地表征成品油种类信息的基础上, 为了提高网络模型的识别效率, 采用主成分分析方法将高维空间进行降维处理。 对最常用的三维荧光光谱基于激发-发射矩阵(excitation-emission matrix, EEM)数据进行主成分分析以提取更精细、 更深层的特征参量。 分类过程中应用交叉验证的方法避免发生“过拟合”现象。 设计鉴别和测量双重处理的神经网络, 将神经网络模式识别结果反馈到浓度网络的输入端, 与相对斜率、 综合本底参数、 相对荧光强度一起测量相应种类的浓度输出, 利用可拓神经网络模式识别技术实现成品油的鉴别与测量。 应用可拓神经网络方法实现成品油种类模式识别的平均识别率达到0.99, 浓度平均回收率为0.95。 模式识别平均耗时为2.5 s, 仅为PARAFAC模型分析方法的48.5%。 该方法显著提高了运算速度, 且应用效果理想。 需要指出的是, 在分析诸如成品油、 茶叶、 农药等成分复杂的混合物时, 应针对具体待测物制作相应的校正样本, 用以确保分析的准确性与精度。

采用高温固相反应法合成了YAG∶002Cr3+,yYb3+系列粉末材料, 研究了该系列材料在近红外区域的发光特性, 主要包括Cr3+, Yb3+的发光性质、Cr3+∶4T2和Yb3+∶2F5/2能级辐射跃迁寿命以及其布居时间的比较, 给出了Yb3+最佳掺杂量为10%。实验表明: 通过Cr3+→Yb3+能量传递, 实现了Yb3+在1 000 nm附近近红外发光的增强, 这对进一步提高c-Si太阳能电池转换效率打下了坚实基础。

提出了一种基于有效提取点扩散函数(PSF)的图像实时复原方法来提高空间相机成像性能。从典型的图像复原原理出发，分析了实时复原的关键问题。将PSF与典型的线性复原滤波方法相结合计算出实时复原的反卷积算子，通过空间域卷积计算的方式进行实时复原，并以现场可编程门阵列(FPGA)为核心器件设计了具备图像实时复原计算性能的硬件系统。利用上述设计在硬件平台上对空间相机的遥感图像数据进行了实验验证，并与经典图像复原方法的效果进行了对比。结果显示，采用该平台对单片CCD像元数为12 000的空间相机图像进行复原后，灰度平均梯度由3.788 7提升到8.229 6，拉普拉斯和由15.456 7提升到43.907 5，达到了经典图像复原的性能。在模板尺寸为19 pixel×19 pixel时，实时复原处理延时为1.9 ms，复原后的相机调制传递函数在Nyqyist频率处从0.1提高到0.23，有效地提高了空间相机系统的成像性能。

室温下观察了YAG∶Cr3+,Yb3+材料在近红外区域的发光特性,并通过对Cr3+:4T2和Yb3+:2F5/2能级辐射跃迁寿命以及它们布居时间的比较研究,提出了从Cr3+到Yb3+的能量传递机制,同时借助于能级图描述了从Cr3+到Yb3+的能量传递以及Cr3+和Yb3+的近红外发光过程.

以287例上海及上海周边地区牧场的生鲜奶作为真奶样本集组成3个真奶样品集合, 配制了526例含有糊精(或淀粉)+三聚氰胺(或尿素、 或硝酸铵)的掺假牛奶形成6个不同种类的假奶样品集合, 其中糊精、 淀粉在掺假奶中的含量为0.15%~0.45%; 硝酸铵、 尿素和三聚氰胺的含量分别为700~2 100, 524~1 572与365.5~1 096.5 mg·kg-1, 以保证掺假奶中凯氏定氮法测得的蛋白含量不低于3%。 所有样本的近红外光谱均经过标准正态变换(SNV)预处理。 将3个真奶样品集合和6个假奶样品集合进行不同的组合并对其采用改进与简化的K最邻近结点算法(IS-KNN)和改进与简化的支持向量机法(ν-SVM)建立了判别糊精、 淀粉、 三聚氰胺、 尿素、 硝酸铵这5类掺假物质的近红外判别模型, 探寻掺假物质的浓度与识别正确率之间的关系。 结果表明IS-KNN和ν-SVM两种方法对含三聚氰胺、 尿素、 硝酸铵的掺假牛奶的平均判别正确率分别在49.55%~51.01%, 61.78%~68.79%与68.25%~73.51%区间波动, 说明在该研究的掺假物浓度范围内, 很难用近红外模型良好区分不同类型伪蛋白的掺假奶; IS-KNN和ν-SVM两种方法对含淀粉的掺假牛奶的判别正确率分别为92.33%与93.66%、 对含糊精的掺假牛奶的平均判别正确率分别为77.29%与85.08%。 从整体结果上来看ν-SVM法进行建模判别的结果大部分优于IS-KNN法进行建模判别的结果。 对判别正确率与样品中掺假物质的含量水平分析表明近红外光谱结合非线性模式识别方法能良好地区分掺假奶中含量较高(0.15%~0.45%)的糊精和淀粉, 而对含量偏低的三聚氰胺等伪蛋白的判别效果不佳, 说明近红外光谱技术不适于鉴别牛奶中含量低于0.1%的掺假物质。

室温下观察了YAG∶Ce和YAG∶Ce,Yb材料在可见以及近红外区域的发光特性,并通过对Ce3+的5d能级辐射跃迁寿命以及Yb3+的2F5/2能级布居时间和辐射跃迁寿命的比较研究,提出了光诱导的电荷转移态以及电荷转移辐射跃迁的能量传递机制, 同时借助于能级图描述了从Ce3+到Yb3+的量子剪裁近红外发光过程。

针对面阵CCD成像过程中产生的Smear特有噪声, 以行间转移面阵CCD为例, 提出了利用行间转移面阵CCD暗像元区域提取Smear的方法。介绍了行间转移面阵CCD的工作原理以及Smear产生机理, 分析了Smear噪声的组成, 利用相关双采样, 哑像元校正等方法消除了Smear中的KTC噪声及暗电流噪声。提出了基于中值的快速均值滤波方法, 消除了光粒子散粒噪声。最后,利用差分方法将滤波后的Smear从原始图像数据中减除, 并采用双三次插值对消除Smear后的图像区域进行补偿。设计了以现场可编程门阵列+数字信号处理器(FPGA+DSP)为核心处理器件的硬件实时处理系统, 当相机工作在最高速工况3 frame/s时, 系统可在1.265 ms内完成Smear提取及滤波,消除Smear后的图像区域灰度方差减小了95.34%。经过成像实验验证, 该系统集成度高, 满足实时需要, 彻底消除了Smear噪声。

合成了NaYS2∶0.20Yb3+,0.03Er3+和NaYS2∶ 0.03Er3+粉末材料, 通过材料的Stocks和Anti-Stocks光谱, 研究了Er3+和Yb3+跃迁几率对激发方式的依赖特征, 以及局域环境对S2-Re3+(Re3+=Yb3+或Er3+)电荷迁移态的影响, 探讨了在共掺杂和单掺杂状态下Yb3+和Er3+间的能量传递和Er3+的Stocks和Anti-Stocks辐射跃迁机制。