以α-Si3N4粉为原料, MgO-La2O3-Lu2O3为三元复合烧结助剂, 采用气压烧结工艺制备Si3N4陶瓷条, 研究烧结助剂及添加β-Si3N4增强相对Si3N4陶瓷微观结构及力学性能的影响。结果表明, 三元复合烧结助剂促进了烧结的致密化, 提高了材料的力学性能, 在最高烧结温度1 750 ℃、复合烧结助剂添加量8%（质量分数）时, 得到密度为3.172 8 g/cm3、维氏硬度达到15.85 GPa、断裂韧性和抗弯强度分别为9.69 MPa·m1/2和1 029 MPa的冰刀用Si3N4陶瓷。添加β-Si3N4材料的断裂韧性得到提高, 最高达到10.33 MPa·m1/2。Si3N4陶瓷本身的高硬度与加入的稀土氧化物使得所制备冰刀的硬度与润滑性能得到提高, 表面性能优良。

为了充分利用图像彩色信息，克服传统单通道脉冲耦合神经网络的图像分割过程中信息丢失，提出了一种多通道图像分割方法。采用RGB 颜色空间，为每一个色彩分量建立一个输入通道，形成包含三个输入通道的多通道脉冲耦合神经网络，将内部活动项修改为各输入通道耦合平均，动态阈值变化采用上升指数，各通道的连接加权系数矩阵选取三维欧氏距离倒数矩阵。以最大信息熵作为评价标准，通过标准彩色图像进行实验分析，选取多通道脉冲耦合神经网络最佳参数。实验结果表明，多通道脉冲耦合神经网络的彩色图像分割方法对图像的细节信息保留明显，最大信息熵相对平均提高3%，在提高了图像分割效果的同时降低运行时间80%。

利用脉冲耦合神经网络(PCNN)模型融合点火像素点位置信息生成的二维条形码，实现镜像对称交通标志的分类识别。为了研究二维条形码的抗干扰性能，在待识别图像中加入椒盐噪声，并以不同分级数，采用R、G、B三个颜色空间进行处理，分析经过预处理前后形成的二维条形码抗干扰性能。针对国家标准道路交通标志图像库GB5768-1999中117个标志，其中45个黄色警告标志，43个红色禁令标志，29个蓝色指示标志进行实验，结果表明，二维条形码可以克服镜像对称标志无法区分的问题，并且抗干扰性能优于一维条形码，在R、G、B三个颜色空间分别处理时，1%的椒盐噪声影响下最高匹配率可达97%。