相比传统监测手段，光纤传感器具有灵敏度高、本质绝缘性高、抗电磁干扰能力强等优势，但基于光纤布拉格光栅的湿度传感器易受温度和应力影响，存在湿度测量误差大、稳定性差等问题。针对这些问题，提出了一种单光栅半涂覆温湿度传感器的制备方法。首先，在光栅的一半栅区上涂覆湿敏材料，另外一半栅区为裸光栅。然后，对裸光栅的反射光谱峰值曲线进行高斯拟合，建立环境温度与中心波长λ的函数关系。最后，分析了光栅反射光谱曲线和峰值功率围成的面积S与不同环境湿度的关系，建立面积S与环境相对湿度的函数模型，并采用温湿度发生器对传感器进行测试。实验结果表明，在10%RH~90%RH（%RH为相对湿度）范围内，该传感器具有较好的重复性，湿度监测灵敏度为2.95/%RH，响应时间为6.6 min，满足仓储等行业对温湿度的监测需求，为相关领域的温湿度监测提供了一种新的解决方案。

针对目前库尔勒香梨品质在线分级检测系统存在价格昂贵、 结构复杂等问题, 设计了库勒尔香梨内部品质在线无损检测分级系统。 基于该系统研究了不同移动速度(0.3和0.5 m·s-1)对库尔勒香梨的可溶性固形物含量(solid soluble contents, SSC)和硬度在线预测模型的影响。 不同移动速度下, 采集样品相同部位的信息, 所采集光谱存在差异。 由于采集的光谱存在差异性, 采用SG-平滑(Savitzky-Golay smooth)、 SG卷积导数、 多元散射校正(MSC)、 标准正态能量变换(SNV)、 归一化(Normalization)等多种光谱预处理方法进行处理, 基于偏最小二乘法(partial least squares, PLS), 建立移动速度为0.3 m·s-1 (S1)和0.5 m·s-1 (S2)下库尔勒香梨的SSC和硬度模型。 结果表明: 移动速度为0.5 m·s-1下, 采用SG-DER(Savitzky-Golay Derivative)处理光谱图建立SSC模型优于0.3 m·s-1, 其预测集相关系数和预测均方根误差为0.880 2和0.391 5°Bri。 而在移动速度为0.3 m·s-1下的结果, 采用SGS(Savitzky-Golay smooth)处理光谱图建立的SSC模型优于0.5 m·s-1下的结果, 其预测集相关系数和预测均方根误差分别为0.820 2和0.470 8 N。 后建立两个速度混合模型, 采用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)筛选特征变量, 后采用PLS, 建立混合速度下硬度和SSC预测模型。 从建模效果来看SPA和CARS都可以有效减少建模所用变量数、 提高库尔勒香梨在线SSC和硬度检测模型的预测能力和运算速度, 增强模型的稳健性等。 采用CARS方法, 从501个光谱中筛选出24个变量, 建立了CARS-PLS模型, 建立的SSC模型较好, 其预测集相关系数和预测均方根误差分别为0.915 0和0.371 9°Bri。 采用SPA方法, 从501个光谱中筛选出32个变量, 建立硬度模型较好, 其预测集相关系数和预测均方根误差分别为0.821 0和0.492 0 N。 混合速度建立预测品质模型比单一速度建立模型稳健一些。 研究表明: 不同移动速度对建立果品品质预测模型产生不同影响, 该研究有助于果品品质在线分选提供技术支持。