针对天然气管道沿线威胁事件的实时识别问题，笔者提出了一种基于瑞利光时域反射分布式光纤振动监测系统和深度学习网络的方法。首先，利用分布式光纤振动监测系统采集28.9 km长管道沿线6类事件的波形信号，并通过格拉姆角场（GAF）将其转化为二维图像信息，然后利用GoogLeNet、VGG、AlexNet三种深度学习网络对图像信息进行分类对比，并分析了不同信噪比条件下GoogLeNet的分类效果。结果表明：GoogLeNet对6类事件的分类准确率最高，优于其他两种网络；当信噪比为8 dB时，GoogLeNet对人工挖掘和机械破坏事件数据进行滤波、GAF等处理之后没有出现误报。本文所提方法适合在实际现场使用，为管道安全监测提供了一种新的技术手段。

马德里指纹错案的出现使得现行指纹鉴定体系不断受到挑战和质疑。以指纹二级特征的统计规律为基础的量化鉴定技术成为了新的研究难点与热点，而指纹二级特征的自动检测与分类是实现指纹二级特征自动统计的基础。因此，提出一种基于YOLOv5的指纹二级特征检测方法。首先，建立指纹二级特征数据集，共包含4000张带标注的指纹图像；其次，根据指纹二级特征点尺寸小且分布密集的特点，对YOLOv5网络结构进行改进，删除原有的32倍下采样大目标特征检测层，添加新的微小特征融合层；再使用Feature Pyramid Networks（FPN）、Pyramid Attention Network（PAN）和Spatial Pyramid Pooling（SPP）结构通过融合多种尺度的方式实现局部特征和全局特征提取；最后，添加Squeeze-and-Excitation（SE）通道注意力机制模块，有效增强模型的鲁棒性和密集小目标的检测能力。实验结果表明，相比于原模型，改进后YOLOv5s_FI模型，在检测速度基本不变的情况下，平均精度均值（mAP0.5）从93.0%提高到97.4%，且权重缩减了3/4。

指尖作为人体最方便采集的部位之一一直是生物特征识别研究的重点。随着指纹等外部指尖生物特征抵抗环境干扰能力差和容易被伪造等问题的出现，人们开始关注指尖内部的生物特征。光学相干层析成像技术能够非侵入地对指尖的内部结构进行三维成像，并从中获取内部指纹、汗孔和汗腺等更加安全稳定的指尖内部生物特征。在过去的近二十年中，众多的研究者针对这一方向开展了研究。对光学相干层析成像技术、光学相干层析成像技术对指尖生物特征的采集、该技术在生物特征识别和防伪方面的应用等进行了总结，最后分析了当前的技术限制和发展前景，旨在为该方向的持续发展提供理论支持。

为解决自动装车车辆检测和码垛规划问题, 设计基于三维激光成像的车辆特征识别和码垛规划系统。设计实现了激光三维扫描系统, 提出点云检校方法, 获取高精度三维点云; 设计基于点云的开放式货车车厢全特征识别算法, 经点云分割、特征识别和参数化, 获取车辆完整的特征参数检测; 基于检测结果设计了码垛规划器, 可直接用于装车机使用; 基于Linux嵌入式系统实现了系统控制、数据采集和处理。完成了超过1 000辆车辆的现场检测和码垛规划测试。系统检测精度优于5 cm, 单车检测和规划时间不大于40 s, 满足全自动装车机车辆检测和码垛规划要求。

基于卷积神经网络的深度学习方法对钢轨表面损伤的自动化检测起到非常重要的推动作用,因此提出一种基于卷积神经网络的钢轨表面损伤检测方法。首先,在经典U-Net的收缩路径和扩展路径之间增加一个分支网络,可以辅助U-Net输出理想的分割图。然后,将Type-I RSDDs高速铁路轨道数据集作为检测样本,使用数据增强的手段扩增检测样本后馈入改进的U-Net中进行训练和测试。最后,采用评价指标对所提方法进行评估。实验结果表明,所提方法的检测准确率达到99.76%,相比于其他方法的最高水平提高6.74个百分点,说明所提方法可以显著提高检测准确率。

识别和分析病灶区域是光动力治疗的一个重要环节。以鲜红斑痣疾病为例, 光动力治疗是利用光、光敏剂和分子氧对病变细胞进行强烈的光动力作用, 让活性氧杀死病变细胞, 最终达到治疗疾病的目的。传统的治疗方案存在病灶区域无法精确诊断、无法精准治疗和总体治疗成本较高等问题。本研究方案设计了一款用于照射治疗鲜红斑痣的窄光谱LED光源, 根据病灶特征计算病灶区域分布与病灶程度, 最后根据计算结果制作非均匀透射密度的胶片, 用于精准调控治疗光源强度。试验结果显示,图像特征提取技术、设计的光源和胶片能够解决光动力治疗中无法精确诊断、无法精准治疗和治疗光源均匀性等问题, 在试验描述的鲜红斑痣治疗方面具有广阔的应用前景。