在鱼类识别检测技术中，采用anchor-free算法中的Centernet算法对鱼类进行识别检测时，低层特征信息容易丢失，导致识别精度和识别效率降低。为此，提出了一种基于Feature fusion Module and Loss function optimization of Centernet（FML-Centernet）算法的鱼类识别检测算法。在Centernet算法网络结构中引入特征融合模块将低层特征信息和高层特征信息融合，输出更加完整的特征图，提高识别检测精度；设置参数调节正负样本的损失比例，使得网络模型的损失函数得到优化，提高整个模型的识别检测效率。在PASCALVOC数据集中对所提算法进行有效性的验证，并对网络结构的性能进行分析。收集大量的目标数据集以及标注数据集信息，训练优化的网络结构并与不同的模型进行对比分析。实验结果表明，FML-Centernet算法对鱼类进行识别检测时，识别平均精度（AP50）可以达到85%以上，平均检测时间低于100 ms。所提算法不仅识别检测精度较高，而且识别检测效率也得到了提升。

基于透射式太赫兹时域光谱系统,对熔石英在不同能量激光诱导损伤与未损伤区域进行检测,获得其时域光谱及0.8~1.25 THz频谱图,分析了峰峰值、振幅、透射谱、折射率及吸收系数,结果表明,损伤区域与未损伤区域相比,其峰峰值、振幅、透射谱、折射率明显减小,且随着激光诱导能量的增加,损伤面积增大,这些参数也逐渐减小;吸收系数呈相反的变化趋势。因此,可利用熔石英太赫兹波段光学特性的变化,对其激光诱导损伤和损伤程度进行识别,为太赫兹时域光谱技术在激光诱导损伤识别分析中的应用做良好的铺垫。