红外探测器的环境耐受能力取决于设计和制造中完整有效的环境耐受措施，环境试验与评价验证了其在极端环境作用下能正常工作的能力。研制、生产和使用各阶段的试验目的不同，试验施加应力的大小不同，必须进行环境自然条件和诱发条件测量、温度响应特性调查和试验环境分析，选择正确、合理和必要的设计与试验环境条件，以尽可能产生最适合的试验数据，保证顾客所需的质量水平和有价格竞争力的可用性。运用288×4红外焦平面杜瓦组件温度响应试验实测数据和时间常数方法，计算分析它的温度稳定时间，指出空气介质温度循环筛选或温度冲击试验，不能在红外探测器的功能部件上施加大于10 ℃/min的温度急剧变化应力，高温工作状态的温度变化速率大于50 ℃/min对冷头部分的缺陷筛选效果更好。试验结果表明，真空完好性恒定高温试验应力量值大于+90 ℃、2160 h。能够通过高温+71 ℃、低温−54 ℃无故障环境试验考核的产品具有全世界贮存、运输和使用的潜力。

猕猴桃糖度是重要的猕猴桃内部品质衡量指标。 传统的糖度检测耗时且有损样品, 有效无损检测猕猴桃糖度含量对于其品质分级、 储藏销售具有重大意义。 基于高光谱成像技术的常见果蔬品质无损检测方法多数是采用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)、 主成分分析(PCA)、 迭代保留信息变量法(IRIV)等算法中的某个单一算法提取特征光谱变量, 而这些算法单独使用易导致预测结果的稳定性不足。 对此, 开展了基于高光谱成像技术的猕猴桃糖度的无损检测方法研究。 以四川省雅安市“红阳”猕猴桃为研究对象, 依次对猕猴桃样本编号并采集其在400~1 000 nm波长范围内的高光谱图像, 计算感兴趣区域的平均光谱作为样本的有效光谱信息; 分别采用多元散射校正(MSC)、 标准正态变量变换(SNV)、 直接正交信号校正(DOSC)等3种光谱数据预处理方法分析对预测模型精度的影响, 对比结果显示DOSC的预处理效果最好; 对预处理后的光谱分别采用一次降维(CARS, SPA, IRIV)、 一次组合降维(CARS+SPA, CARS+IRIV)算法和二次组合降维算法((CARS+SPA)-SPA, (CARS+IRIV)-SPA))等7种算法提取特征光谱变量, 并分别构建了预测猕猴桃糖度的3种模型, 即支持向量回归机(SVR)、 最小二乘支持向量机(LSSVM)和极限学习机(ELM)模型; 最后对比了基于不同特征提取方法的3种模型的预测精度。 研究结果表明: ELM模型具有最好的预测性能, 而SVR模型的预测性能最差; (CARS+IRIV)-SPA所选特征光谱变量输入LSSVM、 ELM模型, 其获得的预测结果均优于其他算法所选特征光谱变量输入对应模型所得的预测结果, 证明了(CARS+IRIV)-SPA算法在提高猕猴桃糖度含量检测精度方面的有效性。 对比不同方法的预测结果可知, (CARS+IRIV)-SPA-ELM对猕猴桃糖度的预测性能最优, 其相关系数R_c=0.945 1, R_p=0.839 0, 均方根误差RMSEC=0.450 3, RMSEP=0.598 3, 预测相对分析误差RPD=2.535 1, 该方法为猕猴桃糖度的检测无损化、 精准化、 智能化发展提供了可靠的理论依据和技术支撑。

中波或长波红外焦平面阵列有效像元率递减的变化趋势，必然是由制造工艺缺陷、特定的工作应力或环境应力引起的某种机理造成。根据红外探测器输出信号电压的数学模型，通过信号传输分析、性能评价测试数据统计分析，运用统计图形、响应曲线及输出信号电压灰度图等可视化手段，直观地呈现无效像元的类型、数量、位置、分布，以及像元信号电压、噪声电压和响应电压等无效像元特性。统计分析显示，像元中心距15 μm的中波320×256探测器杜瓦制冷机组件，在使用过程中平均表观有效像元率相对于初始有效像元率减小1.07个百分点，平均有86.45%的表观无效像元为不稳定的闪元和漂移像元，设计和制造缺陷导致使用无效像元的响应直线呈水平状、响应电压趋于0，热适配引起的应力是造成线状分布使用无效像元簇的原因。提出用不同黑体温度条件下像元信号电压超出平均值±(6%~7.5%)的判别准则筛选识别无效像元的方法。