岩石颜色不仅反映沉积环境而且指示特有矿物与元素, 是纵向横向沉积演化, 地层对比的重要依据和指标之一。 目前岩石颜色主要依赖肉眼识别和主观描述, 或使用色卡进行对比判读。 这些方法受个体差异和环境影响较大, 缺少定量计算方法, 无法满足颜色批量精准识别的需要。 因此快速、 批量、 高效实现颜色的客观识别和数值量化对地质工作研究和应用具有重要意义。 该研究基于色度学原理, 利用光谱分析技术, 结合Python计算机语言编译的岩石颜色定量化识别软件, 实现岩石颜色的数值定量化和批量自动化转换, 提高颜色的判断精度和识别效率。 通过对《Munsell Rock Book》对比发现, CIE RGB颜色系统计算结果与色卡一致性较高, Munsell系统计算结果中色相值(＜3个NBS单位)一致性达到86.7%, 明度值和纯度值的一致性分别达到92.2%和82.2%, 相关性为98.83%和87.50%, 均属于较小色差范围。 相较于Munsell系统计算结果, 31个岩石样品的CIE RGB计算结果与样品颜色的一致性和准确性更高。 造成颜色差异的原因复杂多样, 不仅与颜色系统之间的转换误差和人为主观对比及判读有关, 而且与岩石样品的特殊性和环境等因素密切相关。 本次研究为岩石颜色的快速、 高效、 客观批量化和定量化表征提供了一种可行性方法和思路, 具有较好的应用价值。

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像 技术检测原理, 设计了脉冲红外热成像检测系统, 并根据脉冲红外热成像检测系统搭建了脉冲红外热 成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处 理, 并针对以上算法处理后缺陷轮廓边缘模糊的问题, 提出了巴特沃斯带通滤波算法。对图像进行阈 值分割、边缘检测后提取出缺陷轮廓特征, 根据平板试件的实际尺寸和轮廓特征图像像素之间的换算 关系, 最终得到裂纹缺陷的识别精度。经过对比验证, 脉冲红外热成像技术可以满足对起重机械金属 结构裂纹缺陷检测的检测需求。

为了提高红外检测的精度，实现缺陷深度和大小的同步检测，将共轭梯度反演算法分别与脉冲 检测技术和脉冲相位检测技术相结合，实现了基于相位和表面温度的红外定量识别，通过数字算例对 比分析了不同因素对识别结果的影响。研究结果表明:在无测温误差时，基于相位和表面温度的识别都 能准确地识别缺陷的位置大小；基于相位和表面温度的识别结果精度都会因随机误差的增大而降低； 基于表面温度的识别结果精度会因均匀误差的增大而降低，但是均匀误差对基于相位的识别无影响。

同型半胱氨酸是一种含硫氨基酸, 为蛋氨酸和半胱氨酸代谢过程中产生的重要中间产物, 它在人体血液或尿液中浓度含量过高时会大幅增加心血管疾病、老年痴呆、骨折等疾病的发病风险。基于太赫兹时域光谱系统, 针对液体状态下同型半胱氨酸的检测提出了浓缩富集再烘干的处理方法, 有效测量了不同浓度下同型半胱氨酸的太赫兹吸收光谱。经过与拉曼光谱方法的结果比对, 证明太赫兹检测的精度比拉曼光谱检测的精度提升了3倍。该结果对临床医学中同型半胱氨酸相关疾病的准确、快速诊断具有重要意义。

通过建立涂层的三维非稳态导热模型, 对涂层脱粘缺陷模型的正弦调制加热过程进行了数值计算。在不同涂层厚度与缺陷尺寸下, 分别提取缺陷中心处与无缺陷处表面温度相位并进行差值计算; 沿缺陷半径方向均匀取点, 并对涂层表面平均温度曲线进行一阶差分。研究结果表明: 通过缺陷处与无缺陷处相位差可有效检测缺陷, 通过温度一阶差分可对缺陷进行定量识别。

裂纹是衡量鲜枣品质的重要指标之一， 果皮裂纹加速鲜枣的腐烂， 导致鲜枣货架期的缩短， 严重降低鲜枣的经济价值。 采用高光谱成像技术在380～1　030　nm波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。 选用偏最小二乘回归(PLSR)、 连续投影法(SPA)和全波段图像主成分分析(PCA)， 得到鲜枣裂纹相关的敏感波段。 然后利用选取的鲜枣裂纹的敏感波段对建模集的132个样本建立最小二乘支持向量机(LS-SVM)判别模型， 并对预测集的44个样本进行判别。 对PLSR-LS-SVM， SPA-LS-SVM和PCA-LS-SVM判别模型采用ROC曲线进行评判， 得出PLSR-LS-SVM模型对鲜枣裂纹定性判别的结果(area=1， std=0)最佳。 选取PLSR回归系数挑选出的5条鲜枣裂纹敏感波段(467， 544， 639， 673和682　nm)对应的单波段图像进行主成分分析， 其中将主成分PC4的图像结合图像处理技术， 最终识别出鲜枣裂纹的位置、 大小信息。 结果表明， 采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究， 为进一步开发相关仪器的研究提供理论方法和依据。

采用混合像元分解方法提取“黑土滩”信息以实现玛多县“黑土滩”的遥感识别。以Roberts提出的多端元混合像元分解(MESMA)模型为基础，分析玛多县的地物组成并提取端元；针对MESMA在本研究区应用存在的不足，优化了分解策略和机制，并利用改进后的MESMA，结合"黑土滩"的形成机制提取研究区的“黑土滩”信息。最后，采用实测数据对本文“黑土滩”识别结果进行精度验证，得到的精度为82.81%，较MESMA方法的71.09%有明显提高，说明改进后的MESMA可以有效识别“黑土滩”。利用本文方法得到玛多县“黑土滩”面积为1.592×103 km2，主要分布在玛多县北部。该方法在保证"黑土滩"提取精度的同时，效率较传统的目视解译方法有了明显改善。该方法亦适用于其他复杂环境地表组分信息的提取。

热负荷是评估动力系统运行状态的关键参数之一，传统热负荷检测方法存在操作复杂、应用范围窄、准确性低等缺点。对动力系统壁面建立了二维数学物理传热模型，采用数值计算方法求解壁面温度分布，在分析三角型和正弦型两种热负荷分布形式下壁面热特征的基础上，提出了依据红外热像仪监测到的壁面温度信息利用共轭梯度优化算法对动力系统壁面热负荷进行在线监测定量识别的方法。通过数值模拟实验的方法考察了红外热像仪测温误差、壁面热负荷初始假设以及壁面材料对壁面热负荷定量识别结果的影响，验证了该方法的可行性，发现热负荷定量识别的结果主要受到测温误差的影响，并且低导热率材料动力壁面上的正弦型热负荷受红外测温误差的影响较小，在相同壁面材料和测温误差为0.05℃的情况下，基于内壁面温度信息和外壁面温度信息的正弦型热负荷识别相对误差分别为0.56%和1.94%，而三角型热负荷识别相对误差却分别为8.13%和12.65%，但两者都满足一定的工程应用。