为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×4000pixel的单张工件图像的检测时间为0.97s,相比传统超声、射线图像检测方法在检测速度方面有明显提升。

激光探测对于获取云和气溶胶的垂直廓线, 研究大气中云和气溶胶的垂直分布特征以及对全球气候变化的影响意义重大。 而星载大气激光雷达云气溶胶分类算法的研究, 对于激光雷达数据的参数反演及应用极为重要。 针对激光条件下探测的云和气溶胶特有的光学信息和空间分布, 结合概率统计与机器学习算法, 提出了一种对于云/气溶胶、 云相态及气溶胶子类型识别的分类算法, 实现了星载激光雷达的大气特征层快速、 有效分类。 算法采用中国地区2016年CALIOP的观测数据作为样本数据, 主要由三部分组成: (1) 基于激光探测的云和气溶胶层不同的光学特性以及地理空间分布特征, 分别构建了云和气溶胶的γ532, χ, δ, Z和lat的五维概率密度函数, 以此为基础构建云气溶胶的分类置信函数, 并基于此实现了云和气溶胶类型的反演; (2) 选取支持向量机(SVM)作为随机朝向冰晶粒子(ROI)和水云分类的算法模型基础, 结合云层的γ532, χ, δ Z和云顶温度T的概率密度函数构建ROI, 水平朝向冰晶粒子(HOI)和水云的分类置信函数以修正SVM误分的特征层以及筛选出水云中少部分的HOI冰云, 获得云相态的分类结果; (3) 以各气溶胶子类型的光学以及空间分布特性为基础, 采用决策树策略的气溶胶子类型识别算法实现了对气溶胶子类型的区分, 完成气溶胶子类型的识别。 利用现有CALIOP观测结果作为样本数据构建分类数据库, 避免了对于地面以及航测数据的依赖, 而机器学习则大大简化了算法的实现过程, 使得云气溶胶分类更加高效。 算法结果与正交极化云气溶胶激光雷达垂直特征层分布数据(CALIPSO VFM)产品对比分析: 云层有98.51%一致性, 气溶胶有88.43%的一致性, 且白天比夜间一致性高。 对于云相态分类, 可以有效区分出水云和冰云, 其中二者水云一致性高达93.44%。 在气溶胶子类型反演结果中, 可以准确识别出大多数气溶胶特征层子类型。 霾、 沙尘以及晴空三种典型情况下的反演结果均与CALIOP VFM产品数据具有较好的一致性。 其中, 霾天的大部分煤烟型以及污染型(污染沙尘以及污染大陆) 气溶胶反演结果与VFM具有较好的一致性。 沙尘天也能够获得较好的沙尘以及污染沙尘的结果。 晴空为数不多的气溶胶层也取得了较为一致的结果。 对于实现的星载大气激光雷达特征层分类算法, 针对CALIOP激光测量的云气溶胶层的分类进行了重要的改进, 在保证一定精度的基础上, 简化了算法, 提高了数据处理的效率, 在下一步工作中, 将分别构建不同时段和季节的分类模型以及提高两种不同偏振特性的冰云和气溶胶子类型的分类精度。

复杂结构件内部零件装配正确性检测是工业产品检测必不可少的流程之一,但目前仍缺少一种系统稳健性较高的检测方法以完善整个检测流程。针对这个问题,综合计算机断层扫描(CT)检测技术与卷积神经网络分类识别算法,改变以往以连通区域为特征的检测方法,自动识别图像中的感兴趣区域,使合格品的判断标准由区域特征变为个体特征。将CT系统采集的投影数据序列输入卷积神经网络,对工件内部零件进行精确定位并分类,以产品内部零件分类结果作为零件漏装检测的判断标准,以标准工件投影匹配检测工件投影,通过对比完成零件位移检测。通过实验验证可得,所提方法在模拟工件产品和实际产品检测中可完成对工件内部零件漏缺和换位的识别,整个系统对工件内部零件的相互遮挡等因素具有一定的稳健性。

总酸值（TAN)和总碱值（TBN)能提供关于润滑油氧化程度和碱储备性能方面的信息, 其值大小可以判断某些酸性添加剂的加量是否足够, 常用于设备润滑油的老化度测量, 以避免设备出现异常磨损、 腐蚀、 沉淀、 堵塞过滤器等问题。 润滑油的总酸性和总碱性的检测标准都以酸碱滴定为基础, 多采用电位滴定法。 然而, 这种方法需要复杂的操作、 昂贵的耗材、 大量的油样、 熟练的操作人员以及危险试剂的处理问题。 由于润滑油的氧化产物和碱性添加剂在红外光谱中都有较强的信息, 因此, 可以通过红外光谱图研究对润滑油总酸值和总碱值的监测。 建立了一种基于酸碱中和反应的定量中红外光谱总酸值和总碱值的手持式直读红外光谱方法, 通过油品归类、 建立油样库和多元回归三个步骤, 可获得准确可靠的量化总酸值和总碱值。 此方法获得最新的ASTM D7889标准支持, 相比于其他方法, 这种方法具有分析速度快、 无需任何溶剂、 直接得到检测结果并且结果准确, 操作相对简单, 并一定程度提高了检测速度。 可广泛应用于离线实验室和现场在线油液检测。

由于北京城市中心区冬季供暖、 汽车尾气、 工业生产等因素的影响, 以及冬季植被覆盖减少导致地表热惯量降低, 致使北京市冬季地表热场与其他季节差异明显。 冬季城市热场分布直接影响冬季大气颗粒物等污染物的扩散速度, 因此, 研究热场分布对了解城市热场在大气颗粒物污染中的贡献具有重要的意义。 首先利用MODTRAN大气辐射传输模型计算大气透过率、 大气上行辐射与大气下行辐射三个关键参数, 通过构建查找表解算热红外波段辐射传输方程。 使用数据模拟的手段评价了该方法的精度, 结果表明, 当比辐射率和水汽分别在±0.005和±0.6的误差范围内波动时, 温度反演的误差分别小于0.348和2.117 K, 表明该方法可达到较高的反演精度。 选择长时间序列Landsat TM、 ETM+数据, 进行地表温度反演, 得到1985年—2015年北京市的地表温度。 基于反演的地表温度分析了北京市热场的时空分布。 结果表明, 北京冬季热场分布在空间上可分为四个层次: 北京市二环内温度较高、 二环到五环内低温环状特征明显、 外围郊区温度高以及北京西部的山区温度最低; 随着近30年来北京市的快速发展, 热场分布在长时间序列中发生了明显的改变: 随着北京城市的不断扩张, 环状低温区域也不断扩大, 从三环扩展到六环; 城市二环以内热岛效应随时间推移而增强, 且分布范围扩大。