二氧化碳（Carbon dioxide， CO₂）是大气中最主要的温室气体，具有大气本底浓度高而年变化量小的特点。因此，对其浓度进行高精度的监测是实现“双碳”目标的重要环节。本文基于连续波光腔衰荡光谱技术，搭建了一套探测灵敏度低至ppb的CO₂气体传感装置。系统中选取了中心波长为6 251.760 cm^-1的CO₂吸收线、设计了超高精细度（>300 000）的石英玻璃型法布里-珀罗谐振腔和高性能的温度、压力控制模块。腔内气体的温度和压力在24 h的变化量分别小于0.07 ℃和15 Pa。Allan方差的结果显示，系统在303 s的最佳积分时间下，可获得0.7×10^-12 cm^-1的检测限，对应的CO₂最低可检测浓度为1.6 ppb。在较大的CO₂浓度范围内，系统响应的线性相关系数为0.999 94。最后，系统以10 s的响应时间，对大气中的CO₂浓度进行了2天的连续观测，其结果与商用仪器（Picarro， G2401）的监测数据高度一致，排除人体呼气干扰后的相对偏差优于6‰。该系统具有结构简单、成本低、灵敏度极高的特点，在痕量气体监测领域将具有广阔的应用前景。

为了解决航空发动机机匣性能试验中双目DIC变形测量偏差难以全场、精确量化的问题，提出了一种系统、全面的DIC测量数据与有限元仿真数据之间的映射方法。首先，采用FPFH特征和ICP算法精确配准两类点云数据，完成了数据坐标系的精确对齐；然后使用遗传算法优化的拟合神经网络调整有限元节点位置，从而消除两类数据间节点位置不一致的问题，完成仿真网格向DIC网格的高精度映射；最后，使用逐点最小二乘应变估计算法统一了有限元仿真和DIC测量的应变计算模式，得到与DIC属性一致的有限元比对数据，从而实现被测面全场变形的偏差估计。机匣刚度实验中肋板处的变形比对结果显示，网格节点的映射精度优于1×10-6mm，仿真变形和DIC变形的偏差云图与偏差曲线具有良好的一致性，且能够显示DIC测量偏差存在的具体位置，在未来航空发动机机匣及类匣体的研制和测试领域具有良好的应用前景。

非真空环境下，基于电替代测量原理的辐射热流计存在光电不等性来源复杂、难以开展实验测试修正等问题。为了进一步提高辐射热流计的测量准确度，首先分析辐射热流计光电不等效来源，其次结合传热学理论和限元分析法建立辐射热流计热结构模型，并以真空-空气比对实验验证有限元模型的有效性，最后基于有限元热结构模型对传热过程的不等效性进行修正。有限元模型的真空-空气响应度测试结果与实验测试结果相差1.7%，传热时存在的不等效为0.28%。光电不等效修正系数为1.002 35，相对不确定度为0.29%。通过上述方法完善了辐射热流计的修正体系，提高测量准确度，并为其优化改进提供指导性建议。

齿距样板是用于校准齿轮测量仪器齿距累积总偏差测量示值误差、单个齿距偏差测量重复性和回转台角定位误差的标准计量器具。为研制高精度齿距样板，本文首先基于误差均化原理设计了一种多齿定位爪用于磨齿机定位分度机构，然后对多齿定位分度机构的误差均化效应和分度精度保持性进行了数据仿真，最后分别采用单齿和多齿定位分度机构进行了对比加工实验。实验结果表明：相较于单齿定位分度机构，采用多齿定位分度机构时被加工齿距样板的单个齿距偏差降低了30.0%~36.4%；齿距累积总偏差降低了30.4%~48%，最终实现了法向模数m_n=4 mm、齿数z=30、单个齿距偏差f_p=0.6 μm、齿距累积总偏差F_p=1.4 μm的齿距样板的超精密加工，其齿距精度优于圆柱齿轮国家标准GB/T 10095.1-2022对该规格1级精度齿距公差的要求（f_pT=1.7 μm，F_pT=5.0 μm），本研究为高精度齿距样板的制造提供了支撑。

为了解决三自由度压电驱动纳米偏摆台中的多轴耦合与迟滞问题，设计了一种可以同时表征多个压电驱动器间耦合效应及其自身迟滞效应的耦合迟滞模型，并利用其逆模型进行前馈补偿以提升平台的定位和轨迹跟踪精度。首先，搭建了三自由度压电驱动偏摆台的控制系统并建立其运动学模型，将末端平台三自由度运动转化为三个压电驱动器的输出。然后，建立基于Prandtl-Ishlinskii模型的耦合迟滞模型，并对该模型及其逆模型的参数进行辨识。最后，通过开环逆模型前馈补偿来验证模型的有效性，并利用结合逆模型前馈和反馈的复合控制方法进行轨迹跟踪控制。实验结果表明：逆模型开环前馈补偿使三个压电驱动器间最大耦合位移均降低了70%以上，证明了所建立耦合迟滞模型的有效性，结合闭环反馈的复合控制方法对空间轨迹进行跟踪的最大均方根误差仅为0.06 mrad和0.42 μm，相比单纯闭环反馈分别减少了72%和87.5%，最大误差也减少了76%以上，有效消除了平台中耦合迟滞的影响，提高了平台的定位精度。

微胶连中胶膜厚度和填充度对粘接强度和连接蠕变影响显著，为此，本文研究了微量高黏液态胶挤压成膜的工艺过程：选择典型微小圆片组为胶连对象，建立了描述微胶连流动的计算仿真模型和描述填充度的占空比指标，根据计算结果初步确定了分配胶量和胶滴数量等工艺参数，研制了精密微胶连装配设备，选择环氧树脂胶为样品进行微胶连实验和分析。研究结果表明：在本文实验条件下，挤压成膜的胶液占空比随着胶滴数的增加而增加，但最终趋向稳定在~91.8%；此外，挤压成形的胶膜厚度与挤压力呈近似线性关系，并且这一关系受胶滴数影响较小，当挤压力达到7.92 N，成膜厚度~25 μm。研究对提高微胶连工艺可控性和胶膜质量有借鉴意义。

针对目前自监督单目深度估计网络在充斥着大量低纹理、低光照区域的室内复杂场景中存在预测深度信息不精确、物体边缘模糊以及细节丢失严重等问题，本文提出一种基于层级特征融合的室内自监督单目深度估计网络模型。首先，通过映射一致性图像增强模块来处理室内图像，提升低光照区域可见性并且保持亮度一致性，丰富纹理细节，一定程度上解决了训练网络时出现模糊假平面恶化模型的问题。然后，设计结合基于注意力机制的跨层级特征调整模块的深度估计网络，充分融合编码器以及编-解码器多层级特征信息，提升网络的特征利用能力，缩小预测深度与真实深度的语义差距。最后，设计基于图像风格特征的格拉姆矩阵相似性损失函数作为额外的自监督信号约束网络模型，提升网络预测深度的能力，进一步提高了预测深度的精度。在NYU Depth V2 和ScanNet室内数据集上进行训练与测试，正确预测深度像素的比例能够分别达到81.9%和76.0%。实验结果表明，相比现有主要的室内自监督单目深度估计网络，本文网络模型很好地保持了物体边缘和细节信息，有效地提高了预测深度的精度。

水下环境获取图像存在对比度下降、清晰度降低、信息衰减等问题。传统方法是对整幅图像的偏振信息进行估计处理，水下图像中目标具有复杂的偏振特性，导致某些目标区域的复原效果欠佳，发生退化。本文提出了一种水下降质图像偏振参数分区优化复原方法。首先经分块对比度加强和引导滤波对两幅偏振正交图像处理后提取高低偏物体的连通域，根据偏振度图像各像素点的值进行分区，优化了对低、高偏振度目标物区域的提取过程；其次分别估计各目标物的目标光偏振度，解决了传统方法中全局估计中复杂目标的错误估计问题；最后对后向散射光偏振度图像进行迭代优化，得到最优选区。实验表明：本文实验结果的主观视觉质量提升显著，前两组实验在低浑浊度下对比原始光强图，客观评价指标EME值提升平均达554%，对比度则平均提升528%，第三组实验在低照度高浑浊度环境下对比原始光强图，EME值提升达379%，对比度则提升956%。三组实验自然图像质量评价指标NIQE值表现良好，图像更加自然。本文的方法较传统方法能有效地复原水下浑浊图像，增加图像对比度，削弱信息衰减，实现更好的图像清晰化效果。

针对无人机端目标检测中存在图像尺度变化大、目标尺寸小和无人机机载嵌入式计算资源有限的问题，提出一种应用于无人机平台轻量化的目标检测网络。该网络以YOLOv5作为基准模型，首先增加检测分支以处理尺度变化的问题；然后提出基于归一化Wasserstein距离与传统IOU混合的小目标检测度量方法，用于解决小目标检测精度低的问题；随后提出FasterNet与C3融合的C3_FN轻量化网络结构，降低网络计算量，使其更适合无人机平台使用。最后将算法分别在仿真平台与嵌入式平台上利用无人机目标检测数据集VisDrone进行性能测试。仿真平台上的测试结果表明，本文提出的网络相较于基准网络在mAP_0.5指标上提升了6.6%，mAP_0.5-0.95指标上提升了4.8%，推理时间仅需45.9 ms，对比其他主流的无人机目标检测网络具有更好的检测效果。在嵌入式设备NVIDIA Jetson Nano上的测试结果表明，本文算法能够在有限的硬件资源下获得高精度接近实时的检测性能。

传统接触式甲烷泄漏传感器检测范围小且效率低，而结合非接触式红外热成像的机器视觉算法可实现远距离、大范围红外甲烷实例分割，对于提高甲烷检测效率及保障人员安全具有显著优势。然而远距离甲烷气体图像轮廓模糊、泄漏的甲烷气体与背景对比度较低且形状易受大气流动因素影响等问题限制了红外甲烷实例分割性能。针对上述问题，本文提出一种空间信息自适应调控和特征对齐的网络模型（Adaptive spatial information regulation and Feature alignment Network， AFNet）实现甲烷泄漏红外实例分割。首先，为增强模型的特征提取能力，提出自适应空间信息调控模块赋予主干网络不同尺度残差块自适应权重丰富模型提取的特征空间；其次，构建加权双向金字塔弥补特征金字塔自顶而下的特征传播方式导致的低层特征空间位置和实例边缘信息弥散丢失问题，以适应甲烷气体复杂轮廓变化下前景目标定位检测和轮廓分割需求。最后，设计原型特征对齐模块捕获长距离气体特征之间的语义关系丰富原型语义信息量以改善生成目标掩码质量提高甲烷气体分割精度。实验结果表明，本文提出的AFNet模型AP50@95，AP50定量分割精度分别达到42.42%，92.18%，相比于原始Yolact模型分割精度，分别提高9.79%，6.18%，推理速度达到36.80 frame/s，满足甲烷泄漏分割需求。实验结果验证了本文算法对红外甲烷泄漏分割的有效性和工程实用性。

多模态医学图像融合在医学临床应用中起着至关重要的作用，为了解决现有方法大多数侧重于局部特征的提取，对全局依赖关系的探索不足，忽略了全局和局部信息交互，导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先，提出了局部-局部融合模块（Local-Local Fusion Module，LL Module），该模块采用双层注意力机制更好地关注局部细节信息特征；其次，设计了全局-全局融合模块（Global-Global Fusion Module，GG Module），该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中，提高了Transformer对局部信息的关注程度；然后，提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块（Local-Global Fusion Module，LG Module），充分捕获全局关系并保留局部线索，有效解决背景和病灶区域相似度高问题；使用临床多模态肺部医学图像数据集验证模型的有效性，实验结果表明，该文方法在平均梯度，边缘强度，Q^AB/F，空间频率，标准差，信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比，分别平均提高了21.5%，11%，4%，13%，9%，3%。模型能够突出病变区域信息，融合图像结构清晰且纹理细节丰富。

陶瓷基板是电子器件的重要基础材料，利用机器视觉技术结合深度学习策略实现陶瓷基板的瑕疵检测对保证产品质量具有重要的意义。增加成像设备的视场以实现多个陶瓷基板的同时成像，可以显著提高陶瓷基板的检测速度；但也带来了图像分辨率的降低，并最终导致瑕疵检测精度的降低。针对上述问题，本文提出了一种基于知识蒸馏的低分辨率陶瓷基板瑕疵自动检测方法。该方法利用YOLOv5框架分别构建了教师网络和学生网络，基于知识蒸馏思想将教师网络获得的高分辨率图像特征信息指导学生网络的训练，以提高学生网络对低分辨率陶瓷基板图像的瑕疵检测能力；同时，在教师网络中引入基于Coordinate Attention （CA）注意力思想的特征融合模块，使得教师网络学习到的特征同时适应高分辨率图像信息和低分辨率图像信息，从而能较好地指导学生网络的训练；最后，引入基于Gradient Harmonizing Mechanism（GHM）的置信度损失函数，以提高瑕疵的检出率。实验结果表明，本文基于知识蒸馏的陶瓷基板瑕疵检测方法对于224×224分辨率输入图像的污渍、异物、多金、缺瓷以及损伤这五类瑕疵检测的平均准确率和平均召回率分别达到了96.80%和90.01%，相比于目前主流的目标检测算法，本文算法取得了更好的检测结果。