本文建立了一种基于双目3D显示观察的主观实验流程，利用主观实验数据来分析汽车车载增强现实抬头显示（AR-HUD）设备中的动态畸变对驾驶员主观感受的影响，同时评估观看来自不同眼盒位置的图像时双目融合过程中驾驶员可以接受的畸变大小临界值。实验研究结果显示，随着两眼之间的动态畸变差异的增大，驾驶员融合图像变得越来越困难，观看的不适程度也出现较快增长。同时本文也揭示了驾驶员在使用AR-HUD设备的过程中，同一眼盒两个不同位置处驾驶员可以接受的动态畸变临界条件为垂直畸变小于2%，水平畸变小于1%。此研究证实了动态畸变对驾驶员的主观感受具有较为显著的影响，并且为汽车抬头显示系统中光学设计的优化畸变过程提供了相关的数值约束参考。

随机抽取20副眼镜架和太阳镜, 在不同测量时间点(立即测量、30 min、60 min、120 min)测量镜腿两腿间距离, 进而计算永久变形量数值, 运用单因素方差分析比较不同测量时间点的永久变形量计算结果, 表明当永久变形量小于5 mm时, 测量时间点不影响永久变形量。

为了探究激光熔覆Ni204过程中送粉速度、扫描速度和激光功率对熔覆层宏观质量的影响规律, 获得最佳工艺参数组合, 采用正交试验方法进行激光熔覆的单道成形试验研究。以稀释率、熔覆层宽度和高度比、以及熔覆层高度和激光光斑半径比为评价指标, 通过直观分析和方差分析方法对试验数据进行处理、分析和讨论。试验结果表明: 在一定工艺参数范围内, 激光功率是稀释率的最主要影响因素, 随着激光功率增大稀释率逐渐增大; 扫描速度是熔覆层宽高比以及高度和激光光斑半径比的最主要影响因素, 随着扫描速度的增大, 宽高比逐渐增大, 高度和激光光斑半径比逐渐减小。并获得了最佳工艺参数组合为送粉速度11.55 g/min, 扫描速度7.0 mm/s, 激光功率450 W, 从而为激光熔覆Ni204合金的工艺参数选择提供理论和数据支持。

利用可见/近红外半透射光谱技术对未剥皮(完整)和剥皮脐橙的可溶性固形物(SSC)进行检测， 探索果皮对脐橙SSC检测精度的影响。 采用QualitySpec型光谱仪获取未剥皮和剥皮脐橙在350~1 000 nm波段的可见/近红外光谱， 并从光谱和模型性能两方面分析果皮的影响。 对未剥皮和剥皮脐橙平均光谱进行比较， 并提取前20个主成分进行多元方差分析； 应用偏最小二乘(PLS)回归结合不同预处理方法分别建立未剥皮和剥皮脐橙SSC的预测模型， 对预测模型性能进行比较， 并对预测集样本的预测残差平方进行方差分析。 结果表明， 在5%置信水平下， 果皮对脐橙SSC检测精度的影响是显著的。 未剥皮和剥皮脐橙SSC的最优PLS模型的预测集相关系数和预测均方根误差分别为0888， 0456%和0944， 0324%。

为准确且无损测定小麦叶片的反射光谱, 研究了不同背景对叶片表面反射光谱的影响, 在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。 以PLATE模型为基础, 首次提出了BPLT(background plate)模型, 扣除由不同背景导致的叶片反射光谱的变化。 模型以背景下叶片的反射率R0, 不同背景反射率σ为输入, 空气和致密叶片的界面反射比R12, 致密叶片和空气的界面反射比R21, 致密叶片的透射系数τ三参数中间变量, 得到最终无背景时叶片反射率R值的2-3-1模型。 采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证, 对比分析了背景扣除前后10种叶绿素指数值的变化。 结果表明, 当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时, 反演的灵敏度较高, 对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果; 采用BPLT模型背景扣除后, 背景因素所占的百分比低于5%; 优选了NDI&MCARI的函数关系, NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。 为真实测定不同背景下小麦叶片的反射光谱提供了依据。

铝锂合金是航空航天工业中最理想的轻质高强结构材料，为提高铝锂合金切割质量，采用1 kW 光纤激光器对2 mm 铝锂合金进行切割试验。初步探讨了离焦量、辅助气体压力、激光功率和切割速度对切割质量的影响，深入研究了连续激光模式与脉冲激光模式下的切割质量差异，结果表明脉冲模式下切缝挂渣少、粗糙度小。在此基础上，通过正交试验直观分析、方差分析、信噪比分析对工艺参数进行优化设计，最终获得良好的切割质量：挂渣厚度为0.087 mm，表面粗糙度为4.81 μm。

为了提高血氧饱和度光谱测量的精度和可靠性, 增强血氧饱和度测量数据的有效性, 提出了基于试验方差分析的血氧测量波长选取的方法。 通过分析不同波长组合对应的血氧饱和度系数分布情况, 合理地利用统计理论, 从中选取较好的波长组合。 实验中以不同血氧饱和度临床数据为基础, 建立了不同波长组合(660和940 nm, 660和805 nm, 805和940 nm)计算出的血氧饱和度系数的单因素试验方差分析模型, 参照分析模型中的F指标和p参数, 比较分析不同波长组合的显著性, 进而从光谱数据中选取出相对较好的波长组合, 为进一步建模分析提供了可靠的中间数据。 结果表明, 选取660和805 nm的波长组合引入的总误差相对较小, 能更显著的代表血氧饱和度的变化, 相比其他的波长组合进行分析能够提高血氧测量精度。 本研究将试验方差分析方法用于血氧测量中波长组合的优选, 效果显著, 为血氧饱和度的测量和其他相关光谱的特征波长选取以及定量分析提供了新思路。 试验方差分析方法有助于从光谱中提取代表被测量的有效信息。

测量了不同产地及品种的89个木材样品的近红外光谱, 并分别使用反向传播人工神经网络(back propagation artificial neural networks, BPANN)与广义回归神经网络(generalized regression neural network, GRNN)建立了NIRS树种识别模型。 通过方差分析分别选择两种神经网络所用参数, 并采用最优参数进行网络训练。 考虑到样品光谱的差异, 对含不同水平白噪声与不同水平偏置的光谱进行模拟, 并使用建立的模型对模拟光谱进行预测。 发现两种神经网络模型均有较好的预测结果, 其中BPANN模型, 对含偏置水平不高于2％、 噪声水平不高于4％的模拟光谱识别正确率在97％以上; GRNN模型, 对含偏置水平不高于2％、 噪声水平不高于4％的模拟光谱识别正确率在99％以上。

研究了使用近红外漫反射光谱对不同品种草莓进行无损鉴别的方法, 并分析了各品种草莓品质指标的差异性。 在4 545～9 090 cm-1光谱范围比较了反向传播人工神经网络、 最小二乘支持向量机及判别分析的分类模型性能, 发现拓扑结构为12-18-3的反向传播神经网络模型分类结果最优, 校正集和预测集分类正确率分别为96.68%和97.14%, “甜宝”(n=99)、 “丰香”(n=100)和“明星”(n=117)样品的单独判别正确率分别为94.95%, 97%和98.29%。 对三个品种样品的可溶性固形物、 可滴定酸、 pH值及固酸比品质指标进行了单因素方差分析, 发现四个指标含量均存在明显差异, 分析成分指标数据的主成分得分发现不同品种草莓存在明显的聚类趋势。 结果表明, 近红外光谱与反向传播人工神经网络结合可有效鉴别不同品种的草莓, 且不同品种草莓化学成分含量的差异为近红外光谱分类提供了理化解释。