纤维成分的定性及定量分析在纺织品检测中一直是研究热点, 但常规检测手段存在周期长、 工序复杂且对环境不友好等问题, 因此提出一种对纺织品纤维含量快速、 无损且准确的检测方法就显得尤为重要。 研究提出一种纺织品纤维含量的定量校正模型, 可以准确预测纺织品中棉/涤纶/羊毛的纤维含量, 解决传统校正模型无法兼顾准确与多种纤维预测的难点。 针对645个羊毛/涤纶、 棉/涤纶以及羊毛/涤纶/棉混纺样品为研究对象, 采用红外光谱分析仪采集样品的近红外反射光谱, 在光谱数据预处理的基础之上, 提出一种一维卷积神经网络(1D-CNN)模型, 实现对多种纤维含量的同时预测, 为了凸显模型的优势, 在相同的训练集和测试集样本之上对比3种不同机器学习算法的预测结果。 结果表明： 选用线性函数归一化、 多项式平滑滤波(SG平滑, 滑动窗口为9, 拟合阶数为7)的预处理方法, 结合所提出的1D-CNN模型效果最优, 其模型决定系数R-Squared可达到0.998, 各含量预测的平均绝对误差(MAE)为0.62, 预测均方根误差(RMSE)为1.31。 同时采用未参与建模的138个纺织品样品验证模型泛化能力, 模型在测试集上的表现为, 决定系数R-Squared为0.996, 各含量预测的平均绝对误差(MAE)为0.80, 预测均方根误差(RMSE)为2.01。 采用所提出的模型, 可以准确预测羊毛、 棉和涤纶混纺织品中纤维含量, 为快速无损检测纺织品提供了一种可行的方法, 同时为其他混纺纤维含量的定量分析提供了新的思路。

基于闪烁光场成像的放疗新型3D剂量测量中，需利用点扩散函数将每一个二维平面的真实闪烁光数据从重叠图像中提取出来。利用刀口法，结合光场数字重聚焦以及聚焦测距法，实验获取光场相机不同重聚焦位置处的点扩散函数，并给出棋盘格标定板在参数α=0.6时的重聚焦面聚焦在α=0.7位置处的高斯离焦点扩散函数表达式，研究光场相机点扩散函数的规律，通过测量几个必要值便可由函数拟合得到所有点扩散函数，减少光学分层成像中因分层数量增加引起的标定工作量。将结果引入图像处理，通过反卷积运算可获得每一个二维重聚焦面的真实闪烁光数据，有助于3D剂量的实时精确测量。

文章从光载无线通信(ROF)的基本原理出发，提出了ROF在未来无线宽带移动通信中的多种应用方式，包括ROF技术在多体制无线接入重载中的应用以及ROF在无线移动网络中实现基站与光网络节点设备的互联等。总结了ROF的技术优势，提出了有待解决的关键技术问题。