针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题, 提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像, 并将图像拼接在一起以获得其清晰图像; 同时引入通道注意力机制来增强模型的特征提取能力, 建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型, 并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%, 每秒可检测到约50张靶丸图像（分辨率3072×4096）, 为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。

在激光雷达检测障碍物过程中,由于点云近密远疏的特性,车辆的变速移动使得对物体进行分割时出现点云漂移和距离较近的物体难以被分割等现象,容易产生漏检或误检。为了解决此问题,提出一种基于点云射线角度约束的改进欧氏聚类算法,使障碍物检测更加快速准确,所提算法有效解决了点云密度不均匀导致的检测障碍物成功率较低的问题,同时对所提算法进行实车实验。实验结果表明,与传统欧氏聚类算法相比,所提算法能快速准确地对一定范围内的障碍物进行分割和聚类。

利用ATR-MIR光谱分析技术对掺杂了不同水平带鱼糜的鲢鱼糜进行了分类。 文中采用了五种化学计量学方法(SIMCA, KNN, SVR, PLS-DA和 ID3决策树)分别结合ATR-MIR光谱数据建立判别模型, 并对各个分类模型性能和分类效果进行了分析和比较。 结果表明: 无论是对生鱼糜样品进行鉴别还是对其熟制品进行鉴别, 基于SIMCA方法建立的分类模型都获得了较好的分类效果。 对鱼糜制品和生鱼糜正确分类率分别达到了96.59%和96.43%, 相应的交互验证均方根误差(RMSECV)值分别为: 0.185 7和0.189 8, 相关系数r值达到了0.988 0和0.994 1。 这表明ATR-MIR结合化学计量学方法可以对掺假的鲢鱼糜进行鉴别, 也表明ATR-MIR在鱼糜品质监测方面具有很广阔的应用前景。

基于Opti-System软件, 对相位波带片型时间透镜进行了深入研究。明确了中心波长对相位波带片型时间透镜焦距色散补偿量的影响机理, 建立了中心波长、色散补偿量与输出光脉冲消光比及脉冲宽度间的关系。研究结果表明, 相位波带片型时间透镜的焦距色散补偿量, 在1 310~1 550 nm波长范围与光信号中心波长呈近似线性关系。通过线性拟合, 得出焦距色散补偿量与中心波长的线性关系公式。对于不同波长的输入光波, 可通过公式确定最佳焦距色散补偿量, 实现最窄脉宽和最优消光比的光脉冲输出。研究结果可为优化相位波带片型时间透镜设计提供理论指导, 进而拓宽相位波带片型时间透镜的应用范围。