分别基于近红外和电子鼻融合数据、 近红外数据以及电子鼻数据建立判别烟叶清香型、 中间香型和浓香型三种香型风格的定性判别模型, 结果表明虽然三种模型的建模准确率差异不大, 都超过了89.00%, 但基于融合数据建立的模型对中间香型和浓香型的预报准确率分别为82.67%和80.00%, 比仅仅利用近红外数据建立模型的72.41%和73.33, 也比仅仅基于电子鼻数据建立模型的68.97%和53.33%都有明显的提高。 融合后预报准确率提高的可能原因是: 电子鼻风味分析仪对于影响中间香型和浓香型的烟叶致香成分感应更加灵敏, 捕获的信息也更多, 这些新的信息可以作为NIR数据信息的有利补充, 可用于建立烟叶香型分类判别准确率更高的模型。 同时本研究还基于相同的融合数据, 对比不同数据挖掘算法建模和预报结果差异性。 实验结果表明: 人工神经网络的建模结果高于支持向量机建模, 人工神经网络模型的预报结果准确率只有65.00%, 远低于支持向量机模型的预报结果的83.75%。 这也验证了支持向量机算法可以在建模过程中减少过拟合。 该研究可以为快速鉴别烟叶香型风格提供支撑, 而且随着研究的深入可以争取为烟草系统的专业评吸人员提供辅助的鉴别方法。英文标题>Discriminating Flavor Styles via Data Fusion of NIR and EN

法布里-珀罗标准具是一种精密的光学仪器，其光谱窄、精细度高，广泛应用于精细距离的测定、信号的检测分析等。标准具其自身参数的快速测量和准确标定成为诸多光学研究必不可少的步骤。针对法布里-珀罗标准具参数测量，设计快速标定实验方案，采用窄线宽(线宽<1 kHz)激光光源，数字示波器采用泰克DPO4104B(1 GHz，5 GS/s)进行采样存储，直接利用屏幕图像测试并计算标准具的主要参数指标。准确标定了所测法布里-珀罗标准具的自由谱宽、半高全宽、精细度、品质因数以及扫频常数，比较分析了两种不同测试方案所得到结果。为开展法布里-珀罗标准具参数的快速准确标定提供技术参考。

飞机飞行性能试验前需标定其方向舵的角位移传感器。基于单目视觉,以三个圆心为靶面的基本标志,圆周为辅助标志;用两直线段的交点标明圆心位置。取平行于像面的直径为特征直径,借助它容易从像面椭圆图像提取靶面深度信息,并建立简单、精确的逆透视变换公式。设计了亚像素法处理照片,能精确测出圆心像点位置和特征直径的像长,用来求圆心的世界坐标,得到靶面的平面方程。舵的角位移可用靶面角位移表示。计算机仿真结果,圆心像点位置测量误差小于0.02 pixel,角位移测量误差小于0.005°。靶面与舵轴不平行导致的测量误差能及时修正,可降低对靶面安装的要求,使操作简单。能在现场标定飞机副翼、襟翼、升降舵、方向舵的角位移。