针对基于2+1相移法的高反光表面三维测量，分析了强度饱和条纹图案的傅里叶频谱，引入了强度饱和条纹的三阶傅里叶级数表达形式，建立了强度饱和所致的包裹相位误差模型，提出了双2+1相移法。从精度和效率两方面进行了对比实验：对比传统的2+1相移法和自适应条纹投影的2+1相移法，双2+1相移法的相位误差分别降低了69.9%和65.2%；对比多曝光2+1相移法和自适应条纹投影的2+1相移法，双2+1相移法的测量效率分别提高了91.9%和63.9%。

为了在弹性光网络(EON)上最大化总频谱效率, 提高用户体验质量(QoE), 文章提出了一种基于深度神经网络(DNN)的自适应调制方法。首先对光纤中的网络传输质量进行估计, 然后利用深度学习方法, 将路由长度、跳数和视频质量作为请求特征的3个参数, 根据每个需求的期望QoE, 选择具有最大频谱效率的调制进制。仿真结果表明, 所提方法的平均频谱效率在美国国家自然科学基金会(NSF)网络中比距离自适应和整数规划方法分别高了51%和32%, 在中国网络(CN)骨干网中分别高了43%和29%; 且所提方法的阻塞概率比距离自适应和整数规划方法最低降低0.01。

双N步相移轮廓术虽然可以大大降低由于光栅条纹的非正弦性所导致的相位误差, 但增加了一倍的投影条纹数量, 降低了测量效率。针对此问题, 本文提出一种基于彩色编码光栅投影的双N步相移轮廓术, 它将原相移条纹和附加相移条纹编码成双色条纹, 融合到一幅彩色光栅条纹中投影, 然后从采集的彩色条纹中提取两套条纹的相位信息, 分别解包裹相位后, 融合两包裹相位以减小相位误差。为验证所提方法的有效性, 将该方法与两种典型的相位展开算法结合进行实验。实验结果证明, 所提方法能有效降低相位误差, 且不需要增加任何额外的光栅条纹, 测量效率提高了46%。

种子活力对于农业发展至关重要, 而甜玉米种子普遍存在活力较低且不耐贮藏的问题。 因此, 及时准确地对甜玉米种子活力进行检测尤为重要。 电导率测定法作为一种传统的种子活力检测方法, 存在对种子有一定破坏性、 耗时较长、 重复性不佳等缺点。 针这些问题, 尝试利用可见-近红外(VIS-NIR)高光谱成像系统结合化学计量学算法建立甜玉米种子电导率快速、 无损且精确的检测方法。 以高温高湿老化的绿色超人甜玉米种子为试验材料, 先通过可见-近红外高光谱成像系统采集种子的高光谱图像和进行电导率测定试验, 随后对高光谱图像进行黑白板校正、 提取感兴趣区域, 获取光谱反射率数据。 利用多种预处理方法分别为标准正态变量变换(SNV)、 二阶导(SD)、 一阶导(FD)、 和多元散射校正(MSC)建立甜玉米种子电导率的偏最小二乘回归(PLSR)模型, 比较分析并筛选出最适预处理方法。 再通过连续投影算法(SPA)及遗传算法(GA)对MSC预处理后的高光谱波段进行筛选提取, 基于选出的特征波段建立PLSR模型, 并与全波段(Full)PLSR模型进行对比分析, 得到与甜玉米种子电导率相关性最高的高光谱波段组合, 最终确立一种能够预测甜玉米种子电导率的方法体系。 实验结果显示: 不同预处理方法(SNV, FD, SD和MSC)建立的PLSR模型性能有所差异, 其中MSC-PLSR模型的表现最优秀, 其校正决定系数和预测决定系数分别为0.983和0.974, 相应的校正均方根误差和预测均方根误差分别为0.165和0.226。 进一步分析MSC-Full-PLSR, MSC-SPA-PLSR和MSC-GA-PLSR模型, 发现GA能够将全光谱的853个波段压缩至25个有效波段, 所建立的MSC-GA-PLSR模型仍表现优秀, 其校正决定系数和预测决定系数分别为0.976和0.973, 相应的校正均方根误差和预测均方根误差分别为0.194和0.212。 实验结果表明: 基于可见-近红外(VIS-NIR)高光谱成像系统结合化学计量学算法实现对甜玉米种子电导率的预测存在一定的可行性。 该研究为甜玉米种子电导率的快速、 无损且精确的检测提供一定的理论支持。

种子活力是种子质量的一项重要指标, 高活力的种子具有较强的抗逆性、 生长优势及生产潜力。 而种子活力在种子生理成熟时最高, 随后随着贮藏时间的延长而发生着自然不可逆的降低。 因此, 在播种前及时、 准确地对种子活力进行检测和筛选具有重要的实践意义。 针对传统种子活力检测方法存在的操作过程复杂繁琐、 耗时长、 重复性差且对种子有破坏性等缺点, 研究尝试利用高光谱成像技术建立单粒小麦种子生活力快速、 无损、 精确的检测方法。 以高温高湿老化后的190粒小麦种子（发芽128粒, 不发芽62粒）作为研究样本, 先利用可见-近红外(Vis-NIR)高光谱成像系统采集样本种子的光谱图像和进行标准发芽试验, 并确保光谱采集试验和标准发芽试验的小麦种子一一对应。 随后提取种子光谱图像的感兴趣区域并对其光谱数据进行平均和特征分析。 分别采用一阶导数（FD）、 均值中心化（MC）、 正交信号校正(OSC)和多元散射校正（MSC）对原始光谱数据进行预处理, 结合偏最小二乘辨别分析（PLS-DA）建立全波段PLS-DA模型, 比较分析, 并筛选出最适预处理方法。 分别利用无信息变量消除算法（UVE）、 竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)及耦合不同变量筛选方法对特征波段进行筛选提取, 再分别基于所提取出的特征波段建立PLS-DA定性判别模型, 对比分析, 最终确立提取与单粒小麦种子生活力相关性最高的高光谱特征波段方法体系。 结果表明: 不同光谱预处理建立的模型其表现有所差异, 在MC, FD, OSC和MSC中, 采用MC对原始高光谱数据进行预处理, 建立的全波段MC-PLS-DA判别模型, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为82.5%和83.0%, 优于原始及其他预处理后建立的全波段PLS-DA判别模型, 其校正集和预测集对小麦种子活种子鉴别正确率分别为94.8%和90.6%。 进一步对比3种单特征波段提取方法及其耦合分析建模中, 发现3种变量筛选方法耦合（UVE-CARS-SPA）的方式能够将光谱全波段的688个变量压缩至8个变量（473, 492, 811, 829, 875, 880, 947和969 nm）, 利用所筛选出的8个变量建立的MC-UVE-CARS-SPA-PLS-DA模型获得了最优秀的鉴别效果, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为86.7%和85.1%, 较全波段模型（MC-Full-PLS-DA）分别提升了4.2%和2.1%, 活种子的鉴别正确率分别为93.8%和84.4%, 经过此优秀模型筛选后, 种子批最终发芽率可达到93.1%。 实验结果表明, 基于高光谱成像技术结合UVE-CARS-SPA-PLS-DA模型能够实现对单粒小麦种子生活力的定性判别。 研究工作为小麦种子活力的快速、 精确且无损的检测提供理论支持。

原子光谱/元素质谱是元素分析的强有力手段, 其在生命分析领域的应用也越来越广泛。 在单细胞元素分析方面, 相关研究工作主要关注元素在单细胞中的分布和形态变化; 在元素标记策略分析领域, 利用原子光谱（atomic spectrometry, AS）和电感耦合等离子体质谱（inductively coupled plasma mass spectrometry, ICP-MS）实现对小分子、 核酸、 蛋白质等目标分析物的高灵敏检测是研究热点; 在金属药物分析领域, ICP-MS为研究金属药物在生物体中的摄入、 分布、 代谢和排泄等过程提供了便利, 也为进一步阐明药物作用机理以及金属药物的设计和改进提供了数据支持; 在生物元素成像领域, ICP-MS与激光剥蚀技术（laser ablation, LA）联用, 可以对生物样品进行原位分析和微区分析, 结合有机质谱实现元素相关生物过程的分子机制研究; 与相关分离方法联用, 原子光谱和元素质谱还可以对生物组织中元素进行形态分析, 研究其在相关过程中的生物转化过程。 本文从单细胞元素分析、 元素标签标记策略、 金属药物转运与代谢以及生物组织中元素分布分析等方面, 评述了原子光谱和ICP-MS在生命分析中的应用实例, 并对该领域的发展前景进行了展望。

受噪声或探测器的非线性响应等影响,采用光学三维轮廓术装置实际摄取的条纹图的光强具有非正弦性分布的特点,这导致现有的随机相移提取算法在应用中存在计算不稳定的问题。对此,提出了一种两帧随机时域相移条纹图相移提取方法。该方法首先采用克莱姆正交化方法对条纹图进行处理,然后发展了一种基于矩阵范数的相移提取算法,进而应用二步相移算法获得了测量相位。由于使用了反正切函数解算相移,所提方法对非正弦条纹图不敏感,具有求解可靠、应用容易的特点。实验结果表明,所提方法精度高、速度快,优于现有的典型算法。