将10,12-二十五碳二炔酸自组装成纳米剂量囊泡后, 均匀分散于组织等效的凝胶载体中研制出用于三维剂量分布测量的辐射变色凝胶剂量计。用电镜观测了囊泡形貌; 用Co-60源对凝胶剂量计进行辐照; 测试并研究了凝胶剂量计对剂量的变色响应、辐射后效应、扩散效应等剂量学性能; 利用该凝胶剂量计实测了Co-60射线在组织等效凝胶中的深度剂量分布。结果表明: 该辐射变色凝胶剂量计在100~1000 Gy剂量范围内对γ射线辐照具有良好的剂量响应线性, 同时克服了扩散效应、辐射后效应、成型能力差等现有凝胶剂量计的不足。该辐射变色凝胶剂量计可用于辐射加工、科学实验和放射治疗等三维剂量分布测量。

为了获取相对稳定的温度场, 通过实验得到了不同比例下甲烷-氧气预混火焰温度场的变化情况, 并分析了甲烷质量分数对该预混火焰温度场的影响。借助Mckenna燃烧器, 采用数字全息技术, 获取不同甲烷-氧气比下预混火焰温度场的干涉条纹图像, 利用巴赫沃斯低通滤波降低经过预处理的图像的散斑噪声; 通过改进的四向最小二乘解包裹法提取温度场相位分布信息, 根据相位与温度的理论关系, 取得了相应的温度信息数据, 并利用B型热电偶进行了实验验证。结果表明, 利用该方法测得的温度与相同条件下热电偶测得的温度变化基本一致, 证明了数字全息技术测量温度场的可行性; 甲烷与氧气质量分数之比为0.9时, 其温度变化约为10K, 相对其它工况, 其温度场分布最为稳定。该研究为甲烷-氧气预混燃气的相关研究和Mckenna燃烧器的应用提供了理论基础。

由于深度学习中语义分割模型参数量较大且算法耗时较长，不适合部署到移动端，针对此问题，提出了一种基于改进DeepLabv3+网络的轻量级语义分割算法。首先，采用MobileNetv3代替原DeepLabv3+语义分割模型特征提取骨干网络以降低模型复杂度，加快模型运行速度；其次，将空洞空间金字塔池化模块中的标准卷积替换为深度可分离卷积，提高模型训练效率；最后，引入注意力机制模块和组归一化方法，提升分割精度。所提分割算法在语义分割数据集Cityscapes验证集上的平均交并比（mIoU）达到72.94%。实验结果表明，与常见分割算法SegNet、Fast-SCNN、ENet等相比，所提算法在减少模型参数量的同时提高了分割效果。

厌氧发酵技术是最具发展前景的有机废弃物资源化利用技术之一, 其研发与利用在国内外都已广泛开展。 在有机废弃物厌氧发酵过程中, 通常采用生化甲烷潜力(BMP)表示物料的厌氧降解能力。 传统BMP的测定方法存在成本高、 耗时长等缺点, 因此提出了利用近红外光谱分析技术快速预测有机废弃物的生化甲烷潜力(BMP), 采用遗传算法(GA)结合支持向量机(SVM)建立函数模型, 对有机废弃物生化产甲烷潜力进行预测。 实验收集了64份水生植物和能源藻类生物质, 样品BMP原始数据通过自行搭建的产甲烷潜力实验平台获得, 同时, 利用傅里叶近红外光谱仪获取样品的近红外光谱数据。 首先, 对光谱数据进行预处理后在全谱区范围内分别建立主成分回归(PCR)、 偏最小二乘法(PLS)和递归指数偏最小二乘法(RPLS)模型, 将原始BMP数据与光谱数据建立关联, 从而实现水生植物和能源藻类BMP的快速预测。 结果表明, 在全谱区上, 递归指数偏最小二乘能够解决传统偏最小二乘法的抗粗差效果差, 易受不良数据影响等问题, 该方法可以提高模型的稳定性, 但响应速度慢、 计算效率低, 在此基础上提出遗传算法(GA)结合支持向量机(SVM)的机器学习方法, 该方法具有良好的全局搜索能力, 适用于小样本情况, 避开了从归纳到演绎的传统过程, 剔除了大量冗余样本信息, 算法简单且具有良好的鲁棒性。 结合近红外光谱频带分配可知, 利用遗传算法(GA)筛选出1 404个波长点, 大致可划分为3个代表性波段, 因此在所选取的波段利用支持向量机建立回归模型。 依据模型评价结果可知, 采用遗传算法和支持向量机所建立的预测模型不仅简化了数据规模, 同时还能提高模型预测精度, 其预测均方根误差(RMSEP)为10.32 mL, 相关决定系数(R2)为0.92, RPD为6.56, 与常规的PLS和RPLS算法建模相比, RMSEP分别减少了19.56和14.81 mL, R2分别提高了0.06和0.04, RPD分别提高了4.31和3.85。 结果表明, 采用GA-SVM算法建模预测有机废弃物生化甲烷潜力的模型准确度较高, 可以代替传统的BMP测定方法, 满足快速检测的需要。

水果采收期的成熟度决定了其最终食用品质, 选择果实最佳的采收期是提高水果品质的关键措施之一。 可见-近红外光谱技术以其快速、 无损的检测特点, 适合用于水果的成熟度、 采收期检测。 由于采收期果实品质差异大, 传统化学计量学方法需进行复杂的光谱预处理, 模型难以满足不同的季节、 果园等需求。 提出了一种基于全卷积神经网络（CNNs）的黄花梨采收期可见-近红外光谱（Vis-NIR）检测方法, 利用卷积神经网络进行光谱特征信息提取, 采用误差反向传播算法结合随机梯度下降法进行层与层之间的连接权重调节, 输出多采收期的Logistic回归结果, 实现了黄花梨采收期的端到端检测。 设计了包含1个输入层、 2个卷积层、 1个池化层和1个Softmax输出层等5层的一维全卷积神经网络, 采用交叉熵为损失函数, 增加L2正则项以防止模型的过拟合, 无光谱预处理, 对比分析了此方法与PLSDA方法的建模结果。 试验采集了两个年度黄花梨样品共450个, 其中, 第一年度的300个组成训练集, 90个样本组成测试集1, 第二年度的60个样本组成测试集2。 实验结果表明, 当测试集样品与训练集来自相同年份时, PLSDA和CNNs模型对测试样品集采收期正确识别率均为100%, 当测试集样品来自不同年份时, 测试集样品采收期的正确识别率分别降为41.67%和88.33%, 相关系数、 互信息计算模型的回归系数表明, CNNs模型充分利用了样品全波段信息。 可见, CNNs方法通过迭代对卷积核进行优化, 实现了更灵活的光谱预处理, 可降低模型训练难度, 所建模型有较好的可解释性和泛化能力, 该方法对建立稳健的水果采收期可见-近红外光谱检测模型有一定的参考价值, 有利于实现水果精细化的分期、 分批采收。

玻尔兹曼常量的定值致使温度测量逐步从协议温标向热力学温标过渡。为实现一种量子化的热力学温度测量传感方案，利用直接吸收光谱方法精密测量铯133原子D1(6S1/2→6P1/2)跃迁吸收谱线，依据谱线多普勒展宽分量获得原子气体在该平衡态下的热力学温度。实验验证将外腔扫描激光器输出频率锁定于精密波长计，实现1000s稳定时长条件下10-9量级的频率稳定度; 通过振幅型声光调制器闭环控制实现优于1000∶1的测量信噪比; 通过福格特线型拟合得到多普勒展宽半高全宽宽度。在室温条件下，初步结果显示温度测量误差为0.12%。由此验证了基于原子直接吸收光谱的多普勒展宽测温方法可用来实现芯片尺度、免标定的热力学温度测量。

林木生物质能源作为一种新型可再生能源,具有非常广阔的发展前景.基于近红外光谱技术,首次引入稀疏偏最小二乘回归建立木屑生物质的工业分析模型,用于生物质燃料特性的快速分析测定.工业分析总共测定了80种木屑的水分、灰分、挥发分和固定碳含量百分比;按照样品种类和产地将其划分为训练集和测试集,利用近红外光谱仪采集光谱数据并进行小波滤波处理;再利用稀疏偏最小二乘回归建立木屑生物质的定量分析模型,并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较.结果证明,相对于以上三种建模方法,稀疏偏最小二乘回归能够挑选出有重要影响的波长群组,降低非目标波段的噪声干扰,从而增强数学模型的解释能力并提高定量分析的准确度.利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰,而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位,需要继续探讨.总体而言,稀疏偏最小二乘回归能够减少无关信息的干扰,提高模型定量分析的准确度,增强模型的解释能力,将会在近红外光谱技术应用领域内起到重要作用.