通过II型自发参量下转换制备纠缠光子对,在Mathematica环境下分析频率纠缠、频率关联、量子干涉特性及脉冲和晶体参数对特性的影响。结果表明,连续光抽运可以得到最大的频率纠缠度和干涉可见度;脉冲光频宽一定时,随着非线性晶体厚度的增大,双光子的联合光谱变窄,频率纠缠度增大,不可区分性减小,干涉可见度减小;非线性晶体厚度一定时,随着脉冲光频宽的减小,双光子的联合光谱变窄,频率纠缠度增大,不可区分性增大,干涉可见度增大;选取不同的联合光谱函数参数,可以得到具有频率反关联、不关联和正关联特性的双光子。

为了快速获取大田玉米作物长势信息, 基于多光谱图像开展了大田玉米叶绿素指标的非破坏性诊断研究。应用自主开发的2-CCD多光谱图像感知系统, 在田间采集玉米冠层可见光［Blue(B), Green(G), Red(R);400～700 nm］和近红外(Near-infrared: NIR, 760～1 000 nm)图像, 并使用SPAD同步测量样本叶绿素指标。采集后图像经自适应平滑滤波处理后, 进行图像玉米植株提取。为了选择最优算法实现玉米植株与杂草、土壤背景的分割, 首先比较了最大类间方差(OTSU)分割算法和局部阈值处理分割算法, 选取了基于局部统计的可变阈值处理方法对玉米NIR图像进行初步分割, 进而采用区域标记算法进行精细分割, 分割准确率达95.59%。将分割结果应用于玉米植株可见光图像R, G, B各通道, 从而实现了玉米植株多光谱图像中可见光图像的整体分割。基于分割后R, G, B和NIR四个通道的玉米冠层图像, 提取了各通道图像灰度均值(ANIR, ARed, AGreen和ABlue)并计算了归一化植被指数(NDVI)、比值植被指数(RVI)和绿色归一化植被指数(NDGI)作为光谱特征参数, 建立了玉米冠层叶绿素指标诊断的偏最小二乘法回归模型。结果表明, 建模R2达0.596 0, 预测R2达0.568 5, 该方法通过玉米多光谱图像特征参数评估叶片叶绿素含量, 可为大田玉米长势监测提供支持。