飞机蒙皮作为航空器的重要部件，直接影响到飞行安全，故飞机蒙皮损伤检测对于有效预防航空安全事故具有重要意义，基于边界框边缘感知向量（BBAVectors）提出一种改进的旋转目标检测方法。首先针对损伤尺度变化大的问题，采用特征融合网络（FFN）提升多尺度检测效果；其次针对飞机蒙皮图片存在大量背景噪声的问题，引入coordinate attention（CA）机制来增强目标特征信息；最后针对蒙皮损伤分布方向任意的问题，通过BBAVectors表示任意角度的损伤位置，以提升目标定位的准确性。实验结果表明，改进的旋转目标检测方法相比原模型检测精度提升了5.7个百分点，并且检测精度高于主流的水平目标检测方法，在有效解决方向任意的飞机蒙皮损伤检测效果的基础上，为航空器损伤检测方法的提升提供更好的技术支持。

电阻抗层析成像（EIT）为碳纤维增强复合材料（CFRP）结构健康检测提供了一种可视化检测的手段。针对EIT图像重建的欠定性和病态性，提出了一种基于L1/L2稀疏正则化的EIT图像重建算法。该算法通过构建L1/L2正则化项的目标泛函，在求解过程中加入正则化参数对解向量进行修正，并在迭代过程中加入约束区间使解向量更加贴近真实分布。仿真和实验结果表明，与共轭梯度（CGLS）算法、Tikhonov算法、L1正则化算法相比，所提L1/L2正则化算法重构的损伤位置和大小更接近真实损伤模型，损伤的辨识度更高，电极伪影得到明显改善，为EIT应用于CFRP层压板损伤检测提供了新方法。

该文使用外贴法将压电陶瓷传感器固定在玻璃纤维复合材料(GFRP)上进行损伤检测试验, 研究了GFRP试件表面裂缝的深度及数量对压电陶瓷传感器接收信号的影响。将主动感应法和基于小波包能量法相结合, 做出时域信号图和基于小波包的能量图。分析数据发现, GFRP试件损伤程度越大, 传感器接收信号的电压值越小, 信号的能量越小。试验结果表明, 压电陶瓷传感器有望通过主动感应法用于检测GFRP的损伤变化。

利用机器视觉进行飞机蒙皮损伤检测是提高其自动化水平的有效手段,其中飞机蒙皮全局三维重建是检测过程的关键步骤,可定位损伤部位的精确位置。为解决当前技术所存在的设备复杂、拼接精度低、处理效率低等问题,提出一种基于后方定位并结合结构光对飞机蒙皮进行快速三维重建的方法。通过结构光三维测量系统对飞机蒙皮局部区域进行三维重建,采用后方摄像机同步观测结构光系统,并对其空间位姿进行定位。在空间位姿数据的辅助下,将结构光系统每次测量的飞机三维形貌数据融合至定位摄像机坐标系下,实现对大飞机蒙皮三维形貌的快速、高精度非接触式测量,这为飞机蒙皮损伤的自动化视觉检测提供了有效的技术支持。

中国在庞大的人口基数下拥有丰富的遗传资源, 这些资源可能被国外非法掠夺以获取利益, 非法掠夺的过程揭示可能存在一些安全隐患, 例如传染疾病的扩散等。 如何加强对中国公民遗传资源的保护, 促进国际间正常合法的信息共享和科研合作已成为生物安全的新问题。 为加强人体细胞及其制品等特殊生物物品出入境管理, 防止遗传资源流失和有害物品传入, 促进各个国家间医学科学研究及国际交流与合作, 提出一种非侵入、 快速安全的细胞光谱鉴别技术。 简述了细胞超连续光谱的物理化学机制, 讨论了细胞浓度对超连续光谱的影响, 实现了无损伤、 非侵入式探测提取生物细胞超连续特征光谱。 实验发现细胞超连续特征光谱主要集中在500~700 nm的可见区域。 实验中的细胞样本均为单独培养, 因此各个样本间互不影响, 不存在平行样本的问题; 实验对象为293T细胞、 HCC827细胞以及HT29细胞, 3类细胞的培养基均为PBS溶液, 每类细胞拥有3种浓度（5×105, 5×106和5×107 cells·mL-1）且每种浓度下独立培养3个样本, 一共获取27个独立细胞样本。 实验测试了24个细胞样本的超连续光谱并以此建立预测模型, 另有3个样本作为未知样本进行模型预判。 使用主成分分析法对测试样本的原始数据进行降维和聚类, 并对降维后的数据通过支持向量机回归法进行分类; 训练集的均方根误差RMSE=0.097 2, R2=0.995 1, 验证集的均方根误差为RMSE=0.097 2, R2=0.931 4。 研究发现细胞浓度影响超连续特征光谱的提取, 在建立模型时, 考虑到该技术应用的普适性以及实验样本浓度参数有限, 未考虑细胞浓度对预判模型识别率的影响。 后期若以某一浓度阈值作为细胞检测的浓度起点, 该模型的识别率将会更准确、 科学。 在可控的实验条件下, 超连续光谱可以应用于生物细胞无损伤、 非侵入式的鉴别。

基于压电传感器的板类结构兰姆(Lamb)波损伤检测, 提出了一种利用单一模态Lamb波的无基准损伤检测方法, 并在铝板上进行损伤检测实验。根据压电传感器的理论模型, 实验中选取单一模态Lamb波检测频率, 并从含损伤板的检测信号中准确识别出损伤反射回波信号, 根据损伤反射回波传播时间及对应的理论群速度, 计算了损伤与传感器的距离。针对理论群速度和实际群速度差异对距离计算造成的误差, 提出了一种改进的计算方法, 将误差降低到3%以下。结果表明, 利用单一模态Lamb波可识别结构中的损伤散射信号, 并可有效计算损伤与传感器的距离。

采用高光谱成像技术对香梨的表面损伤缺陷进行准确高效的无损检测。选用80个库尔勒香梨为研究对象,采集400~1000 nm波段内完好样本和损伤样本的高光谱图像;利用统计分析的方法,选择863 nm处的高光谱图像建立掩模图像;运用主成分分析方法降低香梨高光谱数据的维度,选择损伤区域与背景区域光谱差异最为明显的第二主成分图像,将其和第四主成分图像进行比值处理,进一步增强损伤区域与背景区域的差异;最后经自适应阈值分割、形态学运算,提取香梨表面损伤区域。结果表明,该方法能够有效识别出香梨的表面损伤,准确度、精度和召回率分别为93.75%、87.50%和100%。

为了解决局域对比度方法(LCM)无法检测局部亮区损伤目标和分离效率低的问题, 本文提出了基于邻域向量内积局部对比度图像增强的光学元件损伤目标检测方法。首先, 将图像中的每一个点的3×3邻域生成一个9维邻域向量, 并将邻域内的最大值扩展成一个9维度极值向量, 计算邻域向量与极值向量的内积; 其次, 计算每个像素的邻域向量内积对比度值(NVDC); 然后, 计算每个像素的邻域向量内积局部对比度, 即在一个较大的区域内(5×5)搜索当前像素所有邻域向量内积对比度的最大值, 作为当前像素的邻域向量内积局部对比度值(NVDLC); 最后, 对NVDLC图像进行二值化和目标分离。实验结果表明, 通过本文的增强方法使得损伤图像的信噪比从3.775提高到12.445, 损伤目标信号得到极大的增强。在经过邻域向量内积局部对比度方法图像增强后, 能够直接使用自适应阈值公式将小于2 pixel的损伤目标从背景中分离出来, 满足了弱对比度损伤目标检测对于精度和效率的要求。