番茄早疫病感染性强、 破坏性大, 潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。 在实验室以离体番茄叶片作为研究对象, 利用高光谱图像监测番茄叶片早疫病的病程演变情况, 结合可见光图像和光谱特征进行数据分析。 实验发现, 番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低, 且在接种36 h时已出现潜育期病症信息。 选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据, 分别利用了主成分(PCA)变换、 多元散射校正(MSC)对建模数据进行光谱降维或降噪处理, 进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型, 并导入数据进行训练识别。 讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM) 模型识别效果的影响; 进一步讨论常见核函数对SVM识别模型的影响, 优选出预处理方法和识别模型的组合算法。 结果发现, PCA-GBDT、 PCA-SVM(高斯核)、 PCA-SVM(线性核)、 MSC-GBDT、 MSC-SVM(多项式核)这几类组合算法准确率均为95%以上, 能很好的实现番茄早疫病潜育期的光谱识别; 其中MSC-GBDT的识别召回率和准确率最好, 而PCA-SVM(高斯核)识别效率最高。 研究表明, 通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、 更加符合真实的分布、 具有较大的可信数据量, 配合简单的识别模型会导致识别能力不足, 而配合复杂的识别模型可达到一个较可靠的测试结果; 通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、 数据量减少; 降维后的特征能够表达出病变信息, 配合简单识别模型时识别效果好, 而配合过于复杂的识别模型会导致识别模型的过拟合。

红外辐射在大气中传播时大气气溶胶散射是能量衰减的原因之一。通过考虑气溶胶密度随高度变化, 结合大气能见度参数, 建立了红外线在水平均匀传播和斜程传播下的大气气溶胶散射透过率计算方法。水平均匀传输下, 在中长波波段对大气气溶胶散射透过率采用常规积分求均值方法计算, 与采用波长中值的工程计算公式结果对比, 表明工程计算公式具有足够的工程精度; 对于斜程传播情况, 通过对高度积分得到红外线大气气溶胶散射透过率的斜程工程计算公式。计算分析了探测器高度、波段和大气能见度对大气气溶胶散射透过率的影响。本文对于建立自主的精确大气透过率计算模型、计算机载探测器对红外目标的下视探测性能以及深入了解大气气溶胶散射透过率的影响因素具有重要意义。

针对飞行时间相机获取的深度图像存在大量无效点的问题, 提出了一种基于彩色图像轮廓的深度图像修复方法。该方法先通过无效点邻域内像素的值和高斯函数来确定该邻域的方差, 结合无效点邻域内有效点个数和方差计算所有无效点的填充顺序, 完成填充过程的优先级评估; 再将彩色图像中目标物体轮廓投射到深度图像中, 结合投影轮廓和欧式距离函数实现对无效点的填充。实验结果表明, 与其他常用的修复算法相比, 本文算法可以在保护目标物体边缘的前提下, 实现对无效点的有效填充, 针对不同目标物体, 信噪比指标提高了2~14 dB。

通过疾病的早期筛查,制定针对性治疗方案的精准医疗已成为医学发展的重要趋势。医学影像学检测是实现精准医疗的重要基础。疾病初期无明显表征,采用常规检测方法进行诊断具有一定的局限性,但机体会表现出异常的温度分布,红外热成像技术可以灵敏地检测出温度的变化,因此将其应用于早期疾病检测成为国内外的研究热点。本文首先介绍了当前医学影像学检测手段(如X线检查、超声、磁共振成像)的优缺点,重点介绍了红外热成像技术用于疾病检测的原理;然后对红外热成像技术和先进图像识别技术在早期疾病检测识别领域的国内外现状进行阐述,对比分析了红外热成像技术在早期疾病检测中的优缺点,其优点是无损、快速、准确率高,缺点是所需数据量大、图像处理算法性能差。将红外热成像技术与深度学习相结合对早期疾病进行无损检测,将成为今后的主要研究方向。

利用晶体高指数面的衍射消除了分析晶体带宽及聚焦光束角发散的影响,提出了聚焦条件下光束线能量带宽的检测方法。采用DuMond图解析了光束能量带宽的测量过程,并在上海光源硬X通用谱学线站搭建了检测系统。在相同能量和衍射角条件下,利用晶体的不同高指数面分别测量了聚焦光束的能量带宽;当光束能量为10 keV时,利用Si(555)测量了准直镜压弯过程中光束线能量带宽的变化,消色散配置时测得光束能量带宽最佳值为1.50 eV,与Shadow程序追迹计算的1.40 eV相比,差值控制在10%以内。结果表明,晶体的高指数面衍射可用于同步辐射聚焦光束能量带宽的高精度测量。

化妆品中的酚酸类物质, 有的作为有效成分而添加, 如： 具有修复皮肤功效的咖啡酸、 能够抗炎抗过敏的没食子酸等； 有的作为防腐剂而添加, 如： 对羟基苯甲酸、 山梨酸等； 有的则属于禁用物质, 被不良商家违法添加, 如： 对苯二酚、 间苯二酚等。 为监控化妆品质量, 对化妆品中酚酸类物质的检测显得尤为重要。 许多研究人员也为此做了相关工作, 以色谱法为主的先分离后分析的方法取得了一定的成功, 但是费时、 费料、 操作复杂等缺点也十分明显； 三维荧光光谱技术具有较高的灵敏度, 但是荧光干扰和光谱重叠对检测有较大的影响, 针对复杂的化妆品样本往往无法得到理想的效果。 为实现化妆品中酚酸类物质的同时定性定量检测, 文章将三维荧光光谱技术与化学计量学的四维校正（也称三阶校正）相结合, 在保证高灵敏度的情况下, 克服未知干扰和数据共线性的影响。 首先, 在咖啡酸（caffeic acid, CA）、 对羟基苯甲酸（p-hydroxybenzoic acid, p-HA）、 对苯二酚（hydroquinone, HQ）的线性范围内选取合适的浓度, 分别在7.00, 7.30, 7.50和7.80四种pH值下配制校正样、 验证样和化妆品样, 这样就得到了激发-发射-pH-样本（EX-EM-pH-Sample）四维数据阵。 其次, 为验证pH值对荧光强度的影响, 选取320 nm作为激发波长, 得到咖啡酸在四种pH值下的发射波长, 发现咖啡酸的荧光强度随着pH值的增加而升高, 表明引入pH值作为第四维的合理性。 最后, 选择合适的组分数将四维数据阵用交替惩罚四线性分解算法（alternating penalty quadrilinear decomposition, APQLD）进行分解和预测, 将分解的光谱与实际光谱比较, 将预测的浓度与实际浓度比较。 实验结果显示无论是验证样还是化妆品样, 分解光谱均能与实际光谱相吻合, 验证样的平均回收率（AR）为100.4%~103.5%, 预测均方根误差（RMSEP）低于0.06； 化妆品样平均回收率（AR）为100.0%~102.2%, 预测均方根误差（RMSEP）低于0.08。 与色谱法研究相比回收率高出大约4%, 且操作简便省时省力, 灵敏度高； 与二阶校正方法相比, 都可以实现在未知干扰下对复杂化妆水体系中多个组分的同时分析, 以“数学分离”代替“物理化学分离”, 快速、 高效、 经济、 环保； 且三阶校正可以克服一定的数据共线性问题, 在一定程度上提高了灵敏度。

没食子酸（GAa）, 学名为3,4,5-三羟基苯甲酸（分子式为C7H6O5）, 通常以水合物的形式存在, 作为一种重要的有机原料, 广泛的存在于植物中。 有研究证明GAa具有抗氧化、 抗炎、 抗肿瘤、 抗病毒、 抗突变等多种作用。 因此GAa常作为抗氧化剂添加于化妆品中。 对羟基苯甲酸（p-HA）, 分子式为C7H6O3, 其中的R基为甲基、 乙基、 丙基、 丁基或庚烷基时分别称为对羟基苯甲酸乙酯、 对羟基苯甲酸丙酯、 对羟基苯甲酸丁酯和对羟基苯甲酸庚酯。 p-HA酯类的抗菌性强、 毒性低、 抑菌作用不受pH影响, 因此常添加于化妆品及药物中用作防腐剂。 间苯二酚（RE）又称1, 3苯二酚或间二苯酚（分子式为C6H6O2）。 RE具有杀菌作用, 可作为防腐剂添加于化妆品中。 以没食子酸（GAa）、 对羟基苯甲酸（p-HA）和间苯二酚（RE）三种化妆品常用添加剂为目标分析物, 通过引入第四维—溶剂, 构建四维荧光光谱数据, 使用甲醇（光谱级）、 乙醇（光谱级）、 超纯水分别获得三组实验样本, 三组样本的配置方法与加入药品量相同。 使用FS920稳态荧光光谱仪对样本进行检测, 设置激发波长为210～330 nm, 间隔4 nm记录一个数据； 发射波长为280～480 nm, 间隔2 nm记录一个数据。 初始发射波长总是滞后激发波长10 nm, 由此可消除一级瑞利散射的干扰。 随后使用空白扣除法对初始荧光数据进行预处理, 去除了溶剂的拉曼散射。 最后, 采用核一致诊断法确定待测样本的组分数为3, 使用交替加权残差约束四线性分解（alternating weighted residual constrained quadratic decomposition, AWRCQLD）算法对预处理后的三维荧光光谱数据进行分解。 结果表明, AWRCQLD算法分解得到GAa、 p-HA和RE的激发、 发射光谱图与目标光谱几乎重叠, 能实现光谱重叠严重的GAa、 p-HA和RE的快速定性和定量分析。