酸性橙Ⅱ作为一种偶氮类化工染料, 具有致癌致畸性, 因此, 禁止添加于食品中。 但由于酸性橙Ⅱ色泽鲜艳、 着色力强、 价格低廉, 不法商家出于利益考虑非法添加于食品中用于着色, 严重威胁到食品安全和消费者健康。 酸性橙Ⅱ传统检测方法主要是利用仪器分析技术进行分析, 但存在前处理复杂、 耗时费力等缺点, 不能满足快速检测识别的目的。 表面增强拉曼光谱（SERS）技术作为一种快速、 灵敏的新兴指纹光谱分析技术, 在食品安全检测领域的应用受到广泛关注, 因此, 本文采用SERS光谱结合不同纳米材料增强基底, 探索酸性橙Ⅱ的快速检测方法。 首先实验室自制了金纳米颗粒溶胶, 金纳米棒溶胶基底, 并对其结构性能进行了表征, 纳米溶胶基底尺度均匀、 分散性良好。 基于金纳米颗粒溶胶对两种拉曼激发光源（波长为633和780 nm）对酸性橙Ⅱ分析的影响进行了研究, 结果表明基于633 nm激发光源酸性橙Ⅱ的SERS响应信号更强。 在此基础上, 对比了KlariteTM商业化固体基底、 实验室自制金纳米颗粒溶胶和金纳米棒溶胶基底的增强性能, 不同粒径金纳米颗粒溶胶对酸性橙Ⅱ的SERS分析有明显差异, 粒径为(18.0±2.0) nm金纳米溶胶展现出较好的增强性能。 利用增强性能差异不大的三种纳米材料基底（KlariteTM固体基底, 粒径为(18.0±2.0) nm的金纳米颗粒基底, 横纵比为1.8的金纳米棒基底）对系列浓度的酸性橙Ⅱ进行了SERS检测, 结果表明SERS结合三种基底对酸性橙Ⅱ的最低检出浓度分别为0.2, 0.1和0.1 mg·L-1。 SERS强度随着酸性橙Ⅱ浓度的增加而增强, 因此探索建立了酸性橙Ⅱ的定量分析模型。 研究选取1 184, 1 385和1 597 cm-1三个特征主峰, 确定其不同浓度酸性橙Ⅱ所对应的特征峰强度, 建立酸性橙Ⅱ标准溶液浓度与单个SERS特征峰强度之间的线性回归模型, 决定系数R2的范围为0.861～0.938, RMSE为0.88～1.15 mg·L-1, RPD为2.5～4.0, 其中, 1 597 cm-1特征峰强度与浓度之间的线性回归模型最佳（R2=0.933, RMSE=0.88 mg·L-1, RPD=4.0）, 具有良好的线性相关性。 研究表明采用SERS光谱技术可对酸性橙Ⅱ进行定性定量分析, 可作为一种简单、 快速、 高灵敏的检测方法用于色素类污染物检测。

点云特征线提取是点云模型重构的基础, 国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究, 但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题, 看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发, 借鉴图像处理中的区域分割和边缘检测思想, 提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法, 基于局部影响区域腐蚀的点集细化算法, 以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中, 确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值, 并与类似算法对比能提取更多的特征点; 在模型实验中, 简单几何模型的特征线提取正确率达到了100%, 复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上, 取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性, 通过程序优化可获得更好的特征提取效果。

食源性致病微生物导致的食源性疾病已成为全球化的公共卫生问题。 快速、 有效地检测食源性致病微生物是实现食源性疾病预防与控制的关键环节, 也是保障食品安全的技术关键。 表面增强拉曼光谱（SERS）具有简单、 快速、 灵敏度高等优点, 在食品安全、 生物医学、 环境监控等领域展现出良好的应用前景。 介绍了近年来SERS在食源性致病微生物检测中的应用研究进展。 对SERS技术概况、 SERS增强理论及SERS增强基底进行了简要介绍, 重点回顾了SERS在食源性致病微生物检测中的应用和发展现状。 在食品安全分析方面, 利用SERS与模式识别方法相结合对食品中常见食源性致病微生物能实现快速、 有效鉴别, 部分研究已应用于不同食品样品的分析, 体现了SERS作为“指纹图谱”的分析优势; 在医学诊断方面, SERS可对病理样品（如血液、 尿液等）中食源性致病微生物进行快速检测, 缩短了样本分析时间, 使食源性疾病的快速诊断成为可能; 随着微流控技术的发展, 微流控平台结合SERS技术被称为“芯片实验室”应用于食源性致病微生物的检测, 可提高分析的可控性, 稳定性, 特异性和灵敏度。 通过对比分析, 发现不同研究可采用不同分离方法、 不同基底、 不同目标捕获方式等实现了食源性致病微生物的检测, 展示了不同方法间的差异性。 已有研究表明了SERS在食源性致病微生物检测中应用可克服传统方法耗时等缺点, 实现灵敏快速分析, 为食品安全实时监控, 食源性疾病即时诊断提供了有效的分析工具。 同时, 指出了SERS技术应用于食源性致病微生物分析依然面临很大挑战, （1）大多数研究并没有聚焦于实际样品, 而标准培养液和实际样品的SERS检测存在较大差异, 实际样品组分会对SERS响应产生干扰; （2）不同方法结果有较大差异, 主要是由于纳米增强基底差异, 吸附方式原理的差异, 稳定性的差异等, 因此需要更多深入研究进一步优化条件; （3）期望建立标准化的SERS方法替代传统技术, 充分展示SERS作为新兴分析工具快速、 灵敏、 简捷的优势应用于食品安全, 医学诊断等领域。 将来, 随着研究的深入及相关学科的发展, SERS作为极具潜力的快速分析工具, 将在食品安全, 生物医学等领域具有更广阔的应用前景。

提出一种非结构化点云特征线提取方法,其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段,引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类,得到边界清晰的各个分区,便于后续边界特征的提取;在特征检测阶段,对各个分区进行局部径向基函数曲面重构,以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值,并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验,结果表明,本文方法既能够提取点云模型中的显著特征和尖锐特征,也能够很好地提取特征强度变化的曲线特征。

为实现点云数据的区域划分, 提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题, 算法首先用改进的粒子群算法——社会粒子群优化算法, 对种群进行初始化, 通过为每一个粒子设置不同的跟随阈值, 来维护种群中个体多样性, 加深对种群全局搜索的程度, 避免陷入局部极小值; 随后, 设置种群中每个粒子当前最优位置和初始种群的最优位置, 更新自由粒子的位置和跟随粒子的速度和位置; 最后, 采用模糊C-均值聚类算法求解隶属度矩阵, 确定适应值函数, 更新所有粒子的最优位置, 并判断粒子和种群的位置优越性, 得到准确的聚类中心, 实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证, 探讨SPSO-FCM聚类算法的可行性, 并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示, SPSO-FCM聚类算法较其它两种算法, 收敛速度快, 迭代次数少, 聚类准确, 边界区域分割清晰, 特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时, 能得到更好的分割结果。

为了测量受空间电荷效应支配的发射度，合肥光源高亮度注入器采用了狭缝法进行测量，研究了基于狭缝法发射度测量系统的构成，并以实例比较了单狭缝和多狭缝在发射度测量系统中的应用。两种测量方法的结果表明：单狭缝法测量的结果更接近于模拟计算值，可有效避免子束团之间的重叠，适用范围更广。实验结果表明：在240 pC电荷量情况下，合肥光源高亮度注入器仍然具有较小的归一化发射度，为（1.84±0.085） mm·mrad。

针对合肥光源高亮度注入器设计了一种四轴对称八条带电极束流能散检测器(BESM)，以实现束流能散的非拦截测量。理论推导了从BESM电信号中提取束流横向尺寸分量的公式。通过对BESM的灵敏度、阻抗匹配、电极的时域频域响应等的分析，确定了BESM的电极张角、半径、长度等各方面的物理参数。通过天线法对BESM进行了位置和四极分量的标定，得到了电中心相对于机械中心的偏移、 BESM的位置灵敏度和四极分量灵敏度等参数。通过对多组电信号和位置信号的处理拟合出了机械位置与对数比电位置信号的相关多项式，并给出了四极分量关于束流横向尺寸、束流中心位置以及它们高次项的经验公式。

介绍了接触角法测定表面洁净度的基本原理,并针对表面液滴图像的特点,采用图像处理技术测量表面接触角。首先利用中值滤波算法对图像进行预处理;然后利用边缘检测和轮廓跟踪等算法提取液滴的边界曲线;最后采用以多项式作为基函数的最小二乘拟合算法拟合液滴边界曲线,继而求导得到接触角。结果表明,当选用四阶或五阶多项式为拟合函数,拟合采样点选取在60～200个范围内时,该软件测量接触角的精度高于德国KRUSS光学接触角测量仪DSA100的测量精度,且与手动测量接触角的结果相比较,误差值均小于2°。