小麦质量安全是粮食安全的重要组成部分。传统的小麦霉变籽粒识别检测方法需要复杂的处理步骤, 耗时较长且特征提取能力较差, 易造成图像有效信息的丢失, 导致小麦霉变籽粒识别检测效果不佳。为解决上述问题, 提出了一种基于去噪宽度学习 (D-BLS) 的霉变小麦太赫兹光谱图像识别方法。该方法对传统宽度学习 (BLS) 算法进行了改进, 通过引入去噪卷积神经网络 (DnCNN) 模块, 构建D-BLS霉变小麦分类识别模型, 以增强图像质量, 提高霉变小麦太赫兹光谱图像的识别精度。初步研究表明, D-BLS在识别准确率方面优于传统BLS算法, 识别准确率达到93.13%。进一步使用支持向量机 (SVM)、后向传播神经网络 (BPNN)、卷积神经网络 (CNN) 与D-BLS进行建模对比。研究结果表明, D-BLS网络的分类准确率分别比SVM、BPNN和CNN高出了13.83%、7.79%和3.96%。因此, D-BLS 能够为小麦发霉早期鉴别提供一种新方法。

我国是农业大国, 保障粮食安全是国家发展的战略需要。 农产品检测技术的应用和发展对监控质量, 预防由农产品品质问题引发的安全事故至关重要。 太赫兹(Terahertz, THz)波位于电磁频谱空隙, 频率高于微波而低于红外线, 具备光子能量低、 穿透性好、 能表征分子结构等优点。 基于太赫兹波的光谱检测技术受到研究人员广泛关注, 在生物医学、 安全检查等方面得到应用, 被证明是一种可靠的检测手段。 在农产品应用领域, 太赫兹波特有的非接触、 无标记检测能力为农产品成分分析、 质量控制提供了技术手段, 其良好的穿透性和无损害性, 可以用来在不破坏农产品表面及外包装的前提下, 检测内部成分变化。 与其他光谱(超声、 X射线、 红外等)检测手段相比, 太赫兹波频率范围宽、 表征能力强, 可实现对目标物质的快速无损检测。 近几年, 随着太赫兹发射源、 探测器等设备以及光谱和成像技术的发展, 其在农产品领域的应用有了新的进展。 通过收集整理近期的文献资料, 综述了太赫兹技术在农产品检测方面的应用拓展和研究成果, 总结了目前存在的应用局限。 在此基础上, 对未来太赫兹光谱和图像检测的研究方向进行了展望, 提出提高检测灵敏度和检测速度是农产品领域太赫兹技术产业化应用的研究重点。 在检测系统中引入基于超材料的传感器是提升灵敏度的一种有效手段, 可以突破原有的太赫兹光谱检测极限, 对研究农药残留、 真菌毒素等危害农产品安全的痕量污染物具有重要意义。 在农产品快速成像检测方面, 基于单像素成像和压缩感知理论的太赫兹计算成像技术是提高检测速度的可行方案。 这些研究成果将为后续太赫兹技术的发展提供方向性指导, 对农产品检测领域的应用推广具有重要参考价值。

主三反射镜支撑结构是离轴三反生物成像系统研制过程中的关键技术难点之一，为了减少工作环境下主三镜面形变化，满足支撑系统稳定性要求，利用有限元方法对主三镜组件进行了优化设计。首先，根据光学系统设计要求确定了反射镜及其支撑结构的材料和支撑方式。接着，优化布局了反射镜底部3点和侧面6点支撑位置，设计了轻量化镜室结构。根据优化数学模型设计了圆弧悬臂梁式柔性铰链结构，分析了在重力工况下和温度载荷工况下各参数对镜面面形精度的影响。然后，对反射镜支撑组件进行了静力学和热力学仿真分析，分析结果为重力工况下镜面均方根值RMS为1.529 nm，温度变化4 ℃时镜面均方根值RMS为2.426 nm。最后，采用Zygo干涉仪对支撑作用下的主三反射镜和系统波像差进行检测，实测反射镜镜面RMS值为0.025 λ，系统波像差RMS值为0.102 λ(λ=632.8 nm)，基本满足了生物成像系统技术指标（主三镜镜面RMS≤λ/40，系统波像差RMS≤λ/10）要求。