乳腺癌早期筛查、精准诊断、有效治疗是提高患者生存率的重要因素，而影像学是筛查、诊断、治疗评估的主要手段。基于现有的影像技术，乳腺临床诊治流程虽然已逐步规范化，但在高效灵敏筛查、无创精准诊断以及治疗监测评估等方面仍存在核心局限。例如，传统的医学影像技术存在诊断特异性低、成像速度慢、使用电离辐射或注射造影剂等局限，仍存在重大临床诉求。光声成像作为一项新兴的医学影像技术，可以与传统技术形成优势互补，提供快速（如10~15 s完成全乳腺扫描）、高分辨率、信息丰富的医学影像。其光学对比度和声学分辨率使之具备揭示肿瘤微环境结构、功能、分子细节特征的能力。本文简述了光声成像的技术原理和主要设计形态，概述并评价了乳腺肿瘤筛查、诊断和治疗评估领域的代表性光声成像研究。最后讨论了光声成像在乳腺临床上的应用前景，其有望成为继钼靶、超声、核磁共振之后的“第四大”乳腺成像技术。

空间科学仪器广泛使用基于四象限光电探测器的太阳导行镜指向跟踪系统来实现对日精确指向控制。为满足对日指向高精度高稳定性需求，提出面向空间应用的四象限光电探测器筛选方法，研制针对四象限光电探测器的筛选系统。通过对比筛选试验前后四象限探测器的暗电流、响应度及象限响应度均匀性等参数变化，依据判别准则分析探测器的空间环境适应性，剔除可能存在的早期失效或性能差异变化较大的探测器。试验结果表明：研制的筛选系统具有高准确度，系统前端等效输入电流噪声为 0.58 fArms，通过筛选试验后依据评估标准最终优选的四象限光电探测器各通道暗电流绝对值最大值为 6.08 pA，各通道的响应度变化最大值为 0.716%，各象限响应度非一致性筛选前后变化最大值为 1.24%。最终将该四象限探测器应用至太阳导行镜指向跟踪系统上，满足航天环境条件的使用要求。该筛选装置及筛选方法可实现对面向空间应用的四象限光电探测器的筛选，且对其他光电器件筛选具有借鉴意义。

玉米是我国重要粮食作物之一, 在我国广泛种植, 筛选优良的玉米品种是农业生产和育种的关键, 但市场上玉米品种繁多, 如何快速准确高效鉴别玉米品种从而实现玉米高产高收亟待解决。 提出了基于高光谱图像技术的极限学习机(ELM)鉴别模型, 以期解决玉米品种鉴别问题。 以八个品种玉米种子作为研究对象, 试验样本共480个, 按2∶1比例划分为训练集和测试集, 分别为320个和160个。 利用高光谱图像采集系统获取935.61～1 720.23 nm范围内的玉米种子图像, 黑白校正后选取胚芽部位大小为10×10 pixel的感兴趣区域(ROI), 提取该区域内平均光谱作为原始光谱数据。 因原始光谱两端噪声较大, 有效信息较少, 为增强信噪比, 截取949～1 700 nm范围内的玉米种子光谱波段作为有效波段进行分析。 由于数据采集过程中受无关信息干扰较强影响建模效果, 故对去噪后的光谱波段信息进行SG平滑(Savitzky-Golay smoothing)预处理, 将平滑点数设置为3, 在SG平滑基础上进行最大归一化(MN)预处理。 预处理后分别采用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)单一提取和CARS+SPA、 CARS-SPA组合筛选方法提取特征波长, 以特征波长反射率作为输入矩阵X, 预设样本类别1、 2、 3、 4、 5、 6、 7、 8作为输出矩阵Y, 利用极限学习机分别建立(SG+MN)-ELM、 (SG+MN)-CARS-ELM、 (SG+MN)-SPA-ELM、 (SG+MN)-(CARS+SPA)-ELM、 (SG+MN)-(CARS-SPA)-ELM五种玉米品种定性鉴别模型。 试验结果表明: (SG+MN)-(CARS-SPA)-ELM模型较其他四者鉴别效果最佳, 训练集和测试集平均鉴别准确率均为98.13%, 表明CARS-SPA二次筛选的特征波长变量更敏感, 能够代表所有波长信息, 且极限学习机模型有较好的定性鉴别性能, 可实现对玉米品种的鉴别。 该研究为玉米种子及其他农作物种子快速准确鉴别提供了新思路和新方法。

近年来, 金纳米粒子(AuNPs)因其极高的消光系数以及距离依赖性颜色而被广泛用于比色传感器的开发利用。 常见的盐诱导AuNPs聚集通过电荷屏蔽的方式进行, 聚集过程易受到干扰, 聚集后颜色往往不稳定, 而DNA染料通过电荷中和的方式实现AuNPs聚集, 该方法具有用量少, 聚集速度快, 并且稳定性好的优势, 因此对常见DNA染料进行筛选十分必要。 系统筛选了8种常见DNA染料包括EB、 AO、 TO、 SG、 PG、 TOTO-1、 TOTO-3和YOYO用于诱导AuNPs的快速聚集。 实验发现诱导AuNPs团聚的染料用量在0.18~2.6 μmol·L-1之间, 相比NaCl和Cys用量分别为60和20 mmol·L-1的传统诱导聚集方法用量仅为万分之一。 通过考察DNA染料诱导AuNPs聚集的“IC50”值(即诱导剂使AuNPs聚集的最大吸光度变化(A680/A520)的50%的浓度)评价聚集效率, 在筛选的8种DNA染料中, SG、 PG、 TOTO-1、 TOTO-3和 YOYO分子的“IC50”值在0.12~0.30 μmol·L-1之间, 相对较小, 诱导AuNPs聚集效率高。 由于带正电的N原子数量对AuNPs的聚集有关键性的作用, 即带正电的N原子数量越多, 中和AuNPs时的用量越少。 通过Marvin View中microspecies(微观结构式)和microspecies distribution(微观结构式分布)算出了具体带正电的N原子个数, 结果表明, 在pH=7条件下, SG、 PG、 TOTO-1、 TOTO-3和 YOYO分子带正电荷的N原子较多, 因此上述染料诱导AuNPs聚集效率高。 通过乔布曲线(Job)计算出双链DNA(dsDNA)碱基对与DNA染料的结合比, 结果表明相同条件下, 筛选的8种DNA染料与dsDNA碱基对的结合比相差不大。 结合实验拟合曲线计算出dsDNA与DNA染料的结合常数, 计算表明SG, YOYO, TOTO-3, PG与dsDNA的结合常数较大, 在2.75×109~3.12×1010 L·mol-1之间, 与DNA结合能力较强。 综合考虑SG、 PG、 YOYO、 TOTO-3等染料在快速诱导AuNPs聚集及比色传感方面效果较好。

检测生物质原料的灰分含量是高效转化能源的基础, 但传统高温灼烧法测试耗时长、 成本高, 而近红外光谱分析技术能够实现无损、 快速及低成本对未知样本定性或定量的分析。 以5个地点、 10种类型的1 465份生物质原料样品为研究对象, 应用“筛选分类集合法”将样品划分9个集合, 构建近红外光谱生物质样品灰分含量模型。 主要结果为: 玉米秸秆（M）、 小麦秸秆+玉米秸秆+棉花秸秆（WCM）和小麦秸秆+杂草+园林叶（WWL）主因子数分别为5、 6和6； M集合的交叉验证决定系数（R2cv）为0.975, WCM集合的预测决定系数（R2p）为0.983, 模型拟合度最高； 长白皮+棉花秸秆集合（WC）的均方根标准误差（RMSE）最小分别为0.588 7和0.486 4, M集合的交叉验证相对分析误差（RPDcv）最高为6.3, WCM集合的预测相对分析误差（RPDp）最高为7.8, 模型预测精度最高； M集合的交叉验证平均相对偏差ARDcv最小为6%, WCM集合预测平均相对偏差ARDp最小为8%, 木质（W）集合RMSECV/RMSEP为1.01, 模型稳健性最高； 9个生物质样品灰分含量集合模型的R2范围为0.753 8~0.979 4, 建模集与预测集偏差较小均具有较好的线性关系, 其中, H集合（R2=0.942 5）、 M集合（R2=0.979 4）和WCM集合（R2=0.978 7）其拟合度与线性关系最优； L集合（木材边角料）的R2最低, 其值为0.753 8, 判断影响的主要因素是样品中含有泥沙、 粘合剂和油漆等杂质。 为解决常见生物质发电厂原料检测评估问题, 利用9个生物质灰分集合模型对11种生物质样品计算平均相对偏差（ARD）进行预测评估, 草质样品模型预测效果好（ARD范围为3.7%~16.5%）。 应用“筛选分类集合法”划分样品集合来建立近红外光谱生物质灰分含量模型, 其拟合度、 稳健性和精确度都较全样品集合模型性能更高。

高光谱分析能够高效的估算土壤有机碳含量, 连续小波变换(CWT), 在高光谱数据的噪声去除和有效信息提取方面具有独特优势, 但是经过连续小波变换后的光谱数据被分解为多个尺度, 单一分解尺度信息不能代表不同分解尺度信息, 如何充分利用多分解尺度的小波系数, 成为高光谱估算土壤有机碳含量的难题。 博斯腾湖是我国最大的内陆淡水湖, 湖滨绿洲作为重要的水陆交错带, 具有独特的空间结构和时间结构, 在维持和恢复湖泊生态系统健康方面发挥着重要作用。 以博斯腾湖湖滨绿洲为研究区, 于2020年10月采集138份深度为0~20 cm表层土壤样本, 剔除3个异常值样品, 得到135个有效样品, 室外采集土壤样本光谱, 并通过重铬酸钾－外加热法测定土壤有机碳含量; 将土壤样本的光谱反射率进行Savitzky-Golay平滑滤波处理, 以Gaussian4为小波基函数进行连续小波变换, 将土壤高光谱数据转换为10个分解尺度的小波系数。 利用相关性分析法(CC)、 稳定自适应重加权采样(sCARS)、 竞争自适应重加权采样(CARS)、 连续投影算法(SPA)、 遗传算法(GA)等5种特种波段筛选方法进一步降低噪音, 消除冗余信息, 逐尺度计算小波系数的均方根作为小波能量特征(EF), 将10个尺度的小波能量特征组成小波能量特征向量(EFV), 基于小波能量特征向量建立BP神经网络模型(BPNN)。 结果表明, 连续小波变换可以有效提高光谱反射率与土壤有机碳含量间的相关性, 1~3分解尺度相关性较差, 4~10分解尺度的相关性较好, 相关系数平均值提升43.66%, 相关系数最大值平均提升67.93%。 CC算法筛选的特征波段主要分布于在400~1 500 nm可见光及近红外短波; sCARS、 CARS算法筛选的特征波段集中于1 500~2 500 nm近红外长波; SPA算法筛选的特征波段集中于760~2 500 nm近红外波段; GA算法得到的特征波段基本均匀分布于400~2 500 nm。 高光谱小波能量特征向量EFV可以较好估算湖滨绿洲表层土壤有机碳含量, 6种模型的训练集与验证集R2平均值分别为0.73、 0.74, RMSE平均值分别为7.64、 7.28, RPD平均值为1.95。 模型精度表现为, CC-EFV-BPNN＞sCARS-EFV-BPNN＞Full-spectrum-EFV-BPNN＞CARS-EFV-BPNN＞GA-EFV-BPNN＞SPA-EFV-BPNN。 连续小波变换结合特征变量筛选方法, 提取小波能量特征向量EFV, 有效降低光谱数据维度与高光谱小波能量特征向量模型复杂度, 对于快速估算表层土壤有机碳含量具有重要参考价值。

随着长江中下游稻麦轮作区水稻成熟期的推迟, 冬小麦播期的推迟已经成为影响产量的主要障碍, 因此在迟播小麦中筛选抗性较好的品种很有必要。 该研究旨在监测冬小麦生长早期冠层叶片的相对叶绿素含量, 用于迟播冬小麦品种筛选。 为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性, 基于多光谱无人机获取的5个单波段光谱反射率和15个植被指数作为自变量, 经过递归特征消除法(RFE)特征变量筛选, 去除冗余变量, 利用后向神经网络(BP)回归算法构建冬小麦相对叶绿素含量(SPAD)值遥感反演模型。 根据2020年—2021年江苏省扬州市广陵区实验点冬小麦越冬期、 拔节期两个生育期的实测叶片SPAD值, 结合同步获取的多光谱无人机影像, 分析了这两个生育期遥感变量和SPAD值之间的相关性。 并结合遥感变量之间的特征重要性排序进行特征变量筛选, 筛选出的变量作为模型的输入, 构建并筛选出各生育期最佳的反演模型。 比较岭回归(Ridge)和梯度提升树(GBD)算法, 以R2和RMSE作为模型评价指标, 在验证集上分析了各生育期3种模型的自学习能力和泛化能力。 结果表明, 经过了最优光谱信息筛选而建立的BP神经网络模型在此两个生育期的数据集上均表现出了最强的回归预测能力。 R2和RMSE在越冬期分别为0.806和1.861, 拔节期分别为0.827和0.507。 通过对无人机多光谱数据进行变量筛选, 构建的优选模型BP神经网络具有较高估算精度, 且表明在冬小麦的早期监测中, 拔节期比越冬期效果好。 利用无人机多光谱在估算迟播冬小麦SPAD值进行品种抗性筛选的方法是有价值的。

随着新精神活性物质在全世界范围内的蔓延, 在查缉现场对疑似新精神活性物质样品进行快速定性分析是一线缉毒工作人员的迫切需求。 卡西酮类物质属于卡西酮的衍生物, 是新精神活性物质中的第二大类别。 采用便携式拉曼光谱仪分析了70种卡西酮类化合物的拉曼光谱图, 系统总结了卡西酮类物质的拉曼光谱特征, 这些特征将有助于对未知卡西酮类物质的识别。 所有卡西酮类化合物在(1 597±19)和(1 676±16) cm-1处均存在由于苯环CC键和CO键伸缩振动产生的高强度拉曼峰, 该特征可用于卡西酮类物质的识别。 苯环上单取代和1,3-二取代卡西酮类化合物在992~1 000 cm-1处存在由苯环上C—H面内变形振动引起的最强拉曼峰。 3,4-亚甲二氧基取代卡西酮类化合物在(712±9)、 (809±5)、 (1 250±16)、 (1 355±9)、 (1 444±12)、 (1 597±19)和(1 676±16) cm-1有高强度拉曼峰, 且(1 597±19) cm-1位置的峰为肩峰。 通过对70种卡西酮类化合物的拉曼光谱逐一相互比对, 考察了拉曼光谱对于各种位置异构体和结构类似物的区分度。 结果表明, 拉曼光谱对绝大多数卡西酮类物质具有较高的区分度, 特别是对苯环上甲基、 卤素、 甲氧基不同位置取代的位置异构体区分显著, 这也是拉曼光谱对比于气质联用法和液质联用法的显著优势。 拉曼光谱对于部分烷基取代基不同的结构类似物区分度较弱, 但通过特征峰也能实现区分。 采用拉曼光谱法对实际案件缴获样品进行了分析, 除部分样品存在荧光干扰无法识别外, 其他样品的拉曼分析结果与气质联用法分析结果高度一致, 证明了方法的可靠性和适用性。 便携式拉曼光谱仪具有操作简单、 测样速度快、 可进行非接触式测样等优点, 可用于新精神活性物质现场快速筛查分析。

介绍一种在线玻璃管缺陷检测分选系统, 该系统基于机器视觉技术, 辅以精密机械结构精确地检测玻璃管特定缺陷, 可以自动剔除不符合要求的产品。

烟幕是一种应用较为广泛的无源干扰手段，在对抗各类光电侦察和光电制导装置方面发挥着重要作用。烟幕遮蔽和干扰效果评价是评估光电对抗效果、进行战术部署的重要依据，是烟幕技术的重要研究内容。针对目前评价方法杂、评价方法选用无据可依的现状，在综述当前烟幕遮蔽和干扰效果评价研究现状的基础上，从烟幕本身的遮蔽性能、被干扰对象工作性能、烟幕干扰前后图像质量受影响的角度，系统归纳了能较好地描述烟幕遮蔽和干扰效果的主要评价指标及其测试方法，指出了方法的优缺点、适用场合与局限性，并对下一步研究工作和发展方向进行了展望。