水是维系生命与健康的基本需求, 人类的生产、 生活都离不开水。 水体中氮磷的超标导致水中营养元素过剩从而水体富营养化, 进而水质恶化甚至造成大范围的影响。 高光谱遥感在内陆水质监测领域的应用越来越广泛, 研究以此为基础, 为减少室外水体特异性因素影响, 通过实验室模拟外界条件搭建实验室实验系统, 并根据国家排放标准分别配制浓度范围在0～2.5 mg·L-1 的40个不同浓度梯度的磷酸钠标准溶液和浓度范围在0～20 mg·L-1 的40个不同浓度梯度氯化铵标准溶液。 获取所有标准溶液的高光谱图像, 对水质参数总磷、 总氮的光谱响应进行了分析, 找出其对应的敏感波段分别在420、 720 nm附近和410 nm附近。 利用主成分分析(PCA)建立高光谱水质反演数据集, 对高光谱图像作辐射定标、 Savitzky-Golay滤波(SG滤波)预处理并利用BP人工神经网络分别构建实验室高光谱总磷、 总氮反演模型, 构建的实验室高光谱总磷反演模型的决定系数为0.980 2, 实验室高光谱总氮反演模型的决定系数为0.860 2。 以江苏宜兴市内某河道为研究对象, 将该模型应用到室外无人机搭载高光谱成像系统获取到的室外高光谱图像数据, 分散选取五个点分别计算结果, 得到总磷、 总氮浓度均值的反演精度分别为95.00%和93.52%。 利用传统方法直接在待测河道观测点取水构建的室外高光谱水质反演模型反演相同五个点得到的总磷、 总氮浓度均值的反演精度分别为86.87%和86.48%。 两组反演结果对比, 发现本研究构建的实验室高光谱水质反演模型得到的光谱反演结果中90%的反演精度略高于室外水质反演模型的反演精度, 证实该研究可对待测河道内总磷、 总氮的含量进行有效预测, 也可为水体总磷、 总氮高光谱遥感反演提供一定技术支持。

赤霉病是小麦的一种主要病害, 它会导致小麦减产甚至绝收, 严重影响小麦种子质量, 此外小麦受侵染分泌的真菌毒素危害人类身体健康。 因此, 小麦赤霉病籽粒的识别具有非常重要的意义。 起初普遍采用色谱法和酶联免疫法进行赤霉病检测, 这些方法设备昂贵、 检测速度慢、 准确性低。 近年来, 高光谱成像技术被广泛应用于农作物的识别与检测中, 但是在小麦赤霉病检测的应用研究中, 大多采用抽样检测的方法, 图像采集完成后需要通过ENVI软件手动选取感兴趣区域。 前期准备工作冗杂, 而且容易发生漏检, 漏检的小麦籽粒在存储运输过程中向周边籽粒快速侵染, 难以保障小麦安全健康。 鉴于此, 利用高光谱成像系统结合机器学习提出了一种用于对大量小麦赤霉病籽粒样本快速可视化识别的算法, 以降低漏检率并提升检测效率。 实验分别采集健康小麦和染病小麦469～1 082 nm波段的高光谱图像, 通过直方图线性拉伸结合图像分割的方法获取小麦样本的掩膜图像信息。 利用Savitzky-Golay平滑去噪法与标准正态变量变换法(SNV)进行数据预处理, 通过主成分分析法(PCA)和连续投影法(SPA)进行特征变量提取, 筛选特征变量个数分别为4个和8个。 在掩膜图像位置采集健康小麦样本与染病小麦样本各400份, 其中75%用于建模集, 25%用于测试集。 采用十折交叉验证法结合线性判别分析法(LDA) 、 K-近邻算法(KNN)、 支持向量机(SVM)分别建立分类模型, 测试集准确率都达到90%以上。 随后比较了网格法(GRID)、 粒子群算法(PSO)、 遗传算法(GA)三种核参数寻优方法对SVM模型的影响, 其中, SG-SPA-SVM(PSO)模型分类效果最优, 建模集准确率为95.5%, 均方根误差为0.212 1, 测试集准确率为98%, 均方根误差为0.141 4。 基于样本点预测的基础之上, 对掩膜获得所有小麦样本的光谱曲线进行预测并将识别结果反馈回掩膜中再进行伪彩色显示, 实现染病籽粒可视化识别。 结果表明, 高光谱成像结合SG-SPA-SVM(PSO)算法建立的分类模型可以高效快速、 准确无损、 可视化的实现小麦赤霉病籽粒识别, 为研制小麦赤霉病自动识别设备提供了算法基础。

在使用电铸方法制作金属光栅时, 采用传统的计时电铸方法常常不能保证金属栅条具有精确的沉积厚度。为了能够实时监测光栅栅条的沉积厚度, 以实现电铸截止时刻的精确判断, 建立了基于衍射效率判断金属沉积厚度的在线监测系统。采用严格耦合波理论计算了Au在光刻胶沟槽中进行沉积时, 衍射效率随Au沉积厚度的变化规律, 并讨论了光刻胶占宽比、电铸电流密度对衍射效率的影响; 计算了电铸池、镀液对监测激光能量造成的损耗。实验得到的效率曲线与仿真结果相一致; 电铸池、镀液对光能的损耗达9488%。实验结果表明, 采用在线监测方法实时判断金属沉积厚度是合理有效的; 光刻胶占宽比对在线监测影响不大; 电铸电流密度对在线监测有影响, 且电流密度越高越有利于截止点的判断。

提出了分步寻优的基于粒子位置调整惯性权重的粒子群算法(PDW-PSO),通过调用严格耦合波方法(RCWA)计算衍射效率,进行了光栅结构参数的优化。将PDW-PSO与惯性权重不变的粒子群算法(PSO)和基于迭代次数调整惯性权重的粒子群算法(IDW-PSO)进行对比,结果表明PDW-PSO具有更快的收敛速度,相比于PSO和IDW-PSO,PDW-PSO的平均迭代次数分别从89.83和74减少至21.2,调用RCWA的次数分别从3144.05和2590下降至224。分析了波段匹配数对算法的影响, PSO和IDW-PSO的RCWA调用次数与波段匹配数呈等倍率增加,而PDW-PSO的RCWA调用次数的增加倍率小于波段匹配数的增加倍率。进行了算法准确度实验,在30次运行中,PDW-PSO与PSO、IDW-PSO正确收敛到最优值的次数相近,误差值不超过6.6%;随着粒子数的增加,三种方法的准确度都有所提高,粒子数达到27后基本都可以保证收敛到最优。

通过摆动离子束刻蚀方法, 制作了用于短波红外高光谱成像光谱仪的凸面闪耀光栅。该方法通过在光栅子午方向上进行摆动刻蚀, 解决了凸面光栅子午方向的闪耀角一致性问题。建立了摆动刻蚀模型来分析摆动速度、束缝宽度等工艺参数对槽型演化的影响, 并计算了优化的刻蚀工艺参数。制备了基底尺寸为67 mm, 曲率半径为156.88 mm, 刻线密度为45.5 gr/mm, 闪耀角为2.2°的凸面闪耀光栅, 并对其表面形貌及衍射效率进行了测量。实验结果表明, 摆动刻蚀法能够制作出闪耀角一致性好、衍射效率高的小闪耀角凸面光栅, 满足成像光谱仪对光谱分辨率和便携性的使用要求。

Seya-Namioka光栅制作过程中的曲率半径误差会引起离焦像差，该像差会对光栅单色仪的光谱性能造成极大的影响。本文基于光线追迹理论，模拟分析了曲率半径误差对Seya-Namioka光栅的具体影响。分析结果表明，出入臂长度对曲率半径误差有很好的补偿作用，通过调整出入臂长度曲率半径误差的容许范围可增大到2 mm左右。总调整量不变的情况下，任意改变出入臂的长度，补偿效果相似。随着误差的增加需要调整的出入臂长度值变大，过大的误差使用出入臂长度无法进行补偿; 出入臂夹角仅能对正向曲率半径误差进行补偿，且补偿所需调整角过大，影响单色仪的结构设计，该方法并不实用。结果可为单色仪的设计和使用提供理论参考。

制作高闪耀角一致性的曲面闪耀光栅需要工作台能够进行曲线拟合运动, 因此针对曲面闪耀光栅离子束刻蚀机三维工作台的控制算法开展研究。首先, 介绍了曲面闪耀光栅离子束刻蚀机三维工作台的原理方案。接着, 根据曲面刻蚀机的实际使用要求, 给出了工作台运动轨迹的理论计算方法。然后, 提出了一种适用于工作台的圆弧拟合算法, 实现了工作台所需的曲线拟合运动。最后, 在多组工作参数下开展了三维工作台运动轨迹的测量实验, 并将理想轨迹与实测轨迹进行了对比。实验结果表明：工作台进行15个周期的直线拟合运动的累积定位误差小于0.218 mm, 角度误差小于002°; 进行40个周期的曲线拟合运动的累积定位误差小于0.2 mm, 转角误差在-0.2°~0.1°。 此方法实现了三维运动工作台扫描刻蚀与摆动刻蚀的功能, 工作台的稳定性、精度、抗干扰能力满足设备使用要求。