低温冻害是茶园中最常见的自然灾害之一。 茶树叶片低温胁迫的定量监测对于评估茶园冻害程度和及时采取措施具有重要意义。 茶树低温胁迫的传统检测方法, 主要是通过人工观察和理化指标的测定, 存在精度低、 效率低和主观性强等问题, 严重影响了灾害后期的茶树管理。 该研究提出了一种基于高光谱成像的茶树冻害程度定量判断方法。 首先, 利用高光谱成像设备采集自然环境中茶树叶片在无冻害发生、 冻害初期和冻害后期三个阶段的光谱数据, 提取叶片的平均反射率; 测定相应叶片中的相对电导率（REC）、 叶绿素（SPAD）和丙二醛（MDA）等生理生化指标。 其次, 利用多元散射校正（MSC）、 一阶导数（1-D）和平滑滤波（S-G）算法对采集的原始高光谱数据进行预处理, 并利用无信息变量消除（UVE）和竞争性自适应重加权（SPA）算法筛选预处理后高光谱数据的特征波段。 最后, 利用卷积神经网络（CNN）、 支持向量机（SVM）和偏最小二乘法（PLS）建立REC、 SPAD和MDA含量的定量预测模型。 结果表明: （1）经MSC+1-D+S-G算法预处理的光谱曲线比原始光谱曲线的波峰和波谷更加突出, 提高了光谱的分辨率和灵敏度, 有利于提高后期回归模型的精度; （2）UVE算法筛选的特征波段数量最多, 后期建模效果更优; SPA算法筛选的特征波段数量最少, 更适合用传统的机器学习方法建立回归模型; （3）SPAD、 REC和MDA的最佳预测模型分别为SPAD-UVE-CNN（R2P=0.730, RMSEP=3.923）、 REC-UVE-SVM（R2P=0.802, RMSEP=0.037）和MDA-UVE-CNN（R2P=0.812, RMSEP=0.008）。 利用高光谱成像技术与多种算法相结合, 可以实现对茶树叶片低温胁迫程度的无损、 准确和定量监测, 对快速预测茶园冻害发生和采取必要措施具有重要意义。

设计并实现了一种高功率、高光场均匀性的蓝紫光半导体激光器。采用光纤耦合技术, 将28只输出功率为350mW的半导体激光器的输出激光, 通过非球面透镜分别耦合进纤芯直径为400μm、数值孔径为0.22的光纤中, 光纤经捆绑合束进行功率扩展后输出功率达8.1W。利用Zemax软件设计了复眼透镜组对激光光场进行整形匀化, 仿真结果表明, 光场均匀度从匀化前的48%提高到匀化后的86%, 实验测量光场均匀度达到84.4%。为高精度3D打印技术提供了一种理想光源。

利用简单的水热法制备了立方相KY3F10∶15%Yb3+,0.5%Tm3+,0.2%Ho3+上转换纳米晶。在980 nm激发下, 获得接近等能白的上转换发光。上转换机理分析表明, 蓝、绿、红光发射分别源自Yb3+到Tm3+和Ho3+的能量传递。更重要的是, 该上转换白光显示了良好的色稳定性。当泵浦功率由688 mW增加到1 688 mW, 色差仅为0.027 5。其原因在于, 一方面三基色发光的功率关系比较接近; 另一方面蓝光的功率关系随泵浦功率的增加逐渐减小, 而绿、红光的功率关系保持不变。蓝光的饱和现象可能与激光辐射所引起的热效应有关。

针对传统方法难以实现全波激光雷达数据中非对称波形分解的问题, 本文提出一种结合可变分量偏正态模型和可逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的波形分解方法。首先, 利用能量函数刻画服从偏正态分布的理想波形与实际波形间的差异程度, 并用Gibbs分布定义其似然函数; 然后, 定义理想波形参数模型的先验分布; 在贝叶斯定理框架下, 建立具有分量可变性的波形分解模型; 设计RJMCMC的移动操作, 确定偏正态分布中的分量数以及求解模型参数。利用提出算法, 对不同波形特征(偏态、正态)的ICESat-GLAS全波激光雷达数据进行可变分量分解实验。实验结果表明: 实验波形结果与实际波形数据相关系数达到0.989以上, 所提方法不仅能够同时实现对偏态数据和正态数据的拟合, 还能更为准确地确定波形分量数。证明了该方法能实现全波激光雷达数据的精确分解, 且分解结果与对应地物高程信息相符。

利用显微镜、扫描电镜和激光拉曼光谱技术对库木吐喇石窟壁画铅颜料进行分析,结果显示棕黑色颜料是二氧化铅和铅丹,橘红色和棕红色颜料是铅丹。采用拉曼光谱检测铅颜料,选择恰当的激光波长和检测功率是获取准确分析结果的关键,较长的激光波长和低的功率能确保铅颜料稳定。研究还发现了石窟壁画颜料铅丹的变色现象。

为了研究直升机编队飞行在链路中断或节点中断情况下的路径恢复, 基于紫外光非直视通信的路径损耗, 采用Dijkstra算法寻找网络连通性的前提下直升机编队飞行通信网络的最优路径, 通过节点移动来实现链路中断或节点中断时的路径恢复。通过理论以及仿真分析, 得到了最优路径在不同链路断开时的路径恢复情况。结果表明, 采用所提出的算法虽然在节点移动时需要花费2s~3s的时间, 但是与路径重寻方法相比, 3跳和4跳节点的链路收敛时间能够有效减小0.2ms和0.4ms, 路径权值同样能够减小20dB和45dB, 因此该算法具有可行性。这一结果对机群间路径快速恢复的研究有一定的应用价值。

利用显微激光拉曼光谱仪对大昭寺转经廊壁画颜料进行了分析。结果表明,壁画使用的红、黄、蓝、绿和白色颜料有朱砂、铅丹、甲苯胺红、雌黄、铅铬黄、铁黄、石青、群青、石绿、水胆矾、巴黎绿、菱镁矿、立德粉和方解石。首次发现壁画中使用了合成有机颜料甲苯胺红。检测分析结果提供了准确可靠的资料,有助于清晰认识不同时期壁画绘制和修复所使用颜料成分。

利用显微镜、激光拉曼光谱和扫描电子显微镜对成都武侯祠彩绘泥塑颜料进行了分析。结果表明:颜料有红色朱砂、赭石、铅丹,蓝色颜料为酞菁蓝和群青,绿色颜料是酞菁绿,黄色颜料为密陀僧,白色颜料钛白,黑色颜料是炭黑。研究发现合成有机颜料酞菁蓝和酞菁绿作为彩绘颜料使用,颜料分析结果为文物的保护修复和修复材料选择提供了科学数据。

为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。