针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰, 所测得的光谱数据存在大量系统和杂散光噪声的问题, 在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值优化的去噪方法, 并与小波软阈值、SG 平滑和中值滤波方法进行了对比。为评价去噪效果, 对同一浓度的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时, 还采用传统小波软阈值去噪、SG 平滑和中值滤波去噪作为对比。为验证该算法的实际可行性, 进一步用这四种方法对某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明: 基于遗传算法的小波阈值去噪效果良好, 相较于传统的小波软阈值去噪、SG 平滑和中值滤波的方法, 信噪比分别提高了 2.2994、5.7066、2.6155 dB, 均方根误差分别减小了 0.0028、0.0087、0.0033, 峰值信噪比分别提高了 2.0837、5.2569、2.7375 dB。基于遗传算法的小波阈值去噪算法不仅抑制了光谱数据中的噪声, 同时也提高了系统精度, 为紫外-可见光谱法水质光谱去噪处理提供了一种新的解决办法。

在对卷积神经网络(CNN)的可解释性研究中,针对特征信息的定量分析是研究的重点。提出一种基于信息熵的特征度量方法,用于定量分析CNN的特征提取性能。该方法首先针对不同类别的图像计算特征层的激活直方图,然后统计其归一化熵,将其定义为特征纯度。在CIFAR10和ImageNet数据集上对不同CNN模型及其内部结构的特征纯度进行量化评估;在评估特征纯度的同时,结合类激活图进行可视化解释,以验证特定CNN模型的特征提取能力和特征纯度之间的关系。实验结果表明,特征纯度与模型的特征提取能力、模型的分类性能有统计意义上的显著相关性;同时,特征纯度的计算不依赖于分类标签,也不局限于具体网络结构,具有较强的鲁棒性与实用性。所提出的量化评估方法可以有效地评估CNN的特征提取性能。

为了获得高灵敏度的塑料光纤折射率传感器, 提出了一种湿腐蚀制备塑料光纤传感器的方法。首先利用三氯甲烷和无水乙醇配制了塑料光纤腐蚀剂; 接着研究了腐蚀剂浓度、温度对塑料光纤腐蚀速率及腐蚀后表面形貌的影响; 然后研究了传感器经不同浓度和不同温度腐蚀剂腐蚀后的传输光谱特性; 最后利用葡萄糖溶液测试了经过不同腐蚀条件腐蚀后的传感器灵敏度。实验结果表明, 光纤的腐蚀速率随着腐蚀剂浓度和温度的升高而增大; 光纤腐蚀后的表面形貌、光谱传输特性及传感器灵敏度受腐蚀条件影响显著; 当腐蚀剂温度为20℃、浓度为70%时, 可以获得光滑、干净的腐蚀光纤表面, 此时传感器具有较好的光谱传输质量, 同时传感器的灵敏度达到3.8[(RIU)]-1。