纤维成分的定性及定量分析在纺织品检测中一直是研究热点, 但常规检测手段存在周期长、 工序复杂且对环境不友好等问题, 因此提出一种对纺织品纤维含量快速、 无损且准确的检测方法就显得尤为重要。 研究提出一种纺织品纤维含量的定量校正模型, 可以准确预测纺织品中棉/涤纶/羊毛的纤维含量, 解决传统校正模型无法兼顾准确与多种纤维预测的难点。 针对645个羊毛/涤纶、 棉/涤纶以及羊毛/涤纶/棉混纺样品为研究对象, 采用红外光谱分析仪采集样品的近红外反射光谱, 在光谱数据预处理的基础之上, 提出一种一维卷积神经网络(1D-CNN)模型, 实现对多种纤维含量的同时预测, 为了凸显模型的优势, 在相同的训练集和测试集样本之上对比3种不同机器学习算法的预测结果。 结果表明： 选用线性函数归一化、 多项式平滑滤波(SG平滑, 滑动窗口为9, 拟合阶数为7)的预处理方法, 结合所提出的1D-CNN模型效果最优, 其模型决定系数R-Squared可达到0.998, 各含量预测的平均绝对误差(MAE)为0.62, 预测均方根误差(RMSE)为1.31。 同时采用未参与建模的138个纺织品样品验证模型泛化能力, 模型在测试集上的表现为, 决定系数R-Squared为0.996, 各含量预测的平均绝对误差(MAE)为0.80, 预测均方根误差(RMSE)为2.01。 采用所提出的模型, 可以准确预测羊毛、 棉和涤纶混纺织品中纤维含量, 为快速无损检测纺织品提供了一种可行的方法, 同时为其他混纺纤维含量的定量分析提供了新的思路。

由于受到角度、距离等因素影响,同种地物反射的激光强度数据存在较大的偏差,需要建立校正模型使强度数据能准确反映地物信息,并快速提取。从激光雷达测距方程出发,设计校正实验,运用多项式模型拟合强度数据校正方程,通过定义其标准值,改正距离和高度影响下的反射强度。采用阈值法和随机森林法进行立木枝叶分离。利用二次多项式对七类材质分别进行校正,校正后各材质强度数据级差均小于0.1,不受距离、高度影响,可以区分主干和叶片;活立木强度数据经过校正可以得到枝叶分离的阈值;随机森林法的最终分类效果较好,两树种叶模型校正分类精度分别为91.5%和84.3%。本研究建立的校正模型方法,对自然漫反射目标物的激光强度数据能够进行较为精确的校正,选用的自然立木验证实验校正成功,为进一步进行立木的枝叶分离提供了可能性。

研究近红外光谱分析模型中的样本有效划分问题, 针对经典KS算法依据距离度量描述高维度光谱数据间差异时效果不尽人意甚至失去意义的问题, 结合目前相似性度量方法的不足, 构造出一种新的相似性度量函数, 采用光谱特征和性质特征相结合的方式计算样本间差异, 提出一种改进的KS算法以寻求样本差异的最佳表达方式。通过与其他改进方法的对比, 从有效性和对近红外光谱分析模型的影响两方面对所提改进算法进行分析, 验证了所提算法的合理性和优越性。

硝酸盐是水中“三氮”（硝酸盐氮、 氨氮、 总氮）之一, 是反映水体受污染程度的一项重要指标。 传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、 耗时长, 难以满足现代水环境实时在线检测需求。 由于硝酸根在紫外区具有很强的紫外吸收特性, 并且紫外吸收光谱法具有简便快速、 可实现实时在线监测等特点, 近年来被广泛用于硝酸盐浓度的测量。 但使用紫外吸收光谱法检测水体硝酸盐含量时, 容易受到水体浊度影响, 造成谱线非线性抬升, 导致测量误差。 目前对浊度补偿算法的研究大都用于水中COD含量的检测, 对硝酸盐检测中浊度干扰去除研究较少。 为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法, 该方法可以减小浊度干扰, 从而提高紫外光谱快速检测硝酸盐含量的准确度。 通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理, 处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理, 比较浊度与硝酸盐紫外吸收一阶导数光谱特征, 分波段研究浊度对硝酸盐紫外一阶导数光谱影响, 结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小; 选取220~230 nm波段作为光谱分析区间, 以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本, 利用偏最小二乘算法建立硝酸盐定量分析模型, 使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度, 结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient, R2）为0994 3, 预测均方根误差（root mean square error of prediction, RMSEP）为0346 9 mg·L-1。 为进一步验证该方法的准确性与稳定性, 使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度, 结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0991 5, 预测均方根误差RMSEP为0362 8 mg·L-1。 综上所述, 提出的硝酸盐浓度紫外导数光谱检测方法, 采用220~230 nm波段的紫外导数光谱数据, 结合PLS建模, 可以快速准确测量在浊度干扰下水体硝酸盐的浓度, 为发展实际水体硝酸盐在线监测技术与设备提供方法基础。

针对目前移动机器人对环境地图构建精度低的问题, 分别提出了激光雷达测距、测角的标定方法。通过误差传播定律分析引起激光雷达的测距误差因素, 可知激光雷达测距误差主要是由回波强度和测量距离引起的, 推导出测距误差修正模型。通过分析激光雷达测角误差因素, 针对机械扫描轴与几何旋转中心偏心引起的误差, 提出了一种三角形标定方法, 建立测角误差修正模型。根据激光雷达测距、测角误差修正模型修改移动机器人坐标转换系统。实验结果表明, 测距标定使平面障碍物数据纵坐标差值的标准差提高了30%~60%, 接近物体真实几何特征; 测角标定方法使障碍物数据的重合效果提高了30%, 标定方法提高了移动机器人地图构建的精度。

根据多角度偏振成像仪光学系统特点, 分析了仪器的鬼像分布特性, 结合光学设计软件CodeV与ZEMAX确定了产生严重鬼像的光学工作面, 并对实验测得的鬼像图像进行了标记.在此基础上, 利用鬼像畸变与视场的关系, 采用多项式拟合的方法得到仪器全视场鬼像位置和形变, 并通过实测图像确定了原像和鬼像图像之间的能量衰减比, 建立了仪器全视场的鬼像校正模型.最后分别对未饱和及过饱和图像进行了校正, 结果表明, 此校正方法可以消除至少90%的鬼像杂光.

以Landsat 7 ETM+、SPOT 5和IKONOS遥感影像数据为数据源, 利用格网法从1∶500地形图提取的不同空间分辨率的植被覆盖度为参考依据, 通过对不同辐射校正水平的遥感影像获得的植被覆盖度进行精度比较分析, 对多源多尺度和多源同尺度城市植被覆盖度估算的相关问题进行研究.研究表明, 在城市区域进行植被覆盖度估算时, ICM模型为较佳辐射校正模型; 对于高分辨遥感影像, NDVI为植被覆盖度估算的较佳植被指数; 对于中分辨率影像, 植被覆盖度估算的较佳植被指数则为RVI和MSAVI; 就研究区而言GI模型比CR模型估算的植被覆盖度更准确.