Edge detection for low-contrast phase objects cannot be performed directly by the spatial difference of intensity distribution. In this work, an all-optical diffractive neural network (DPENet) based on the differential interference contrast principle to detect the edges of phase objects in an all-optical manner is proposed. Edge information is encoded into an interference light field by dual Wollaston prisms without lenses and light-speed processed by the diffractive neural network to obtain the scale-adjustable edges. Simulation results show that DPENet achieves F-scores of 0.9308 (MNIST) and 0.9352 (NIST) and enables real-time edge detection of biological cells, achieving an F-score of 0.7462.

随机游走模型能够准确预测筒仓内无摩擦颗粒系统的堵塞概率，但是对于有摩擦的颗粒系统，该模型的适用范围至今尚不清楚。搭建了基于面阵CCD相机的测量装置，通过图像法测量堵塞拱的特征参数，发现当堵塞拱上相邻两个颗粒的夹角与颗粒位置之间满足负线性关系，并且流量大于8.3 g/s时，随机游走模型可以准确预测筒仓的堵塞概率。实验结果拓展了随机游走模型的适用范围，为工业生产中筒仓装置的调控过程提供了参考依据。

为了研究颗粒形状对转筒内颗粒雪崩运动过程的影响，采用散斑能见度光谱法（SVS）和图像法测量了粒径均为0.5 mm的球形颗粒和不规则颗粒的间歇性雪崩运动过程。研究结果表明，球形颗粒雪崩过程与不规则颗粒不同，不规则颗粒会发生单压实和双压实两种压实现象，填充率不同双压实现象的出现概率不同。单、双压实的持续时间也与填充率存在不同比例关系。同时研究发现不规则颗粒的倾斜角大于球形颗粒的倾斜角，而不规则颗粒压实前颗粒堆积的重力势能越大，越容易发生双压实现象。

土壤水分是地球表层水循环、能量循环和生物地球化学循环中的重要组成部分，是研究喀斯特石漠化地区生态系统的关键参数。基于多时相的Sentinel-1 SAR数据与Alpha 近似模型构建土壤水分观测方程组，反演喀斯特石漠化地区地表土壤水分并对其时空变化特征及误差影响因素展开分析。研究发现观测周期内区域土壤水分总体变化趋势与降雨量变化趋势高度一致，石漠化地区土壤水分高值与空间异质性程度明显高于非石漠化地区。精度验证结果显示土壤水分反演结果的均方根误差为0.059 cm³/cm³，平均误差为0.026 cm³/cm³，该方法在区域地表土壤水分反演中表现出一定的适用性，分析认为地表土壤因周边的复杂生境条件产生的混合像元问题是导致反演误差的主要影响因素。研究可为利用短时间周期重复遥感观测方法获取复杂山区环境下的土壤水分提供参考，为喀斯特石漠化地区生态系统修复和生态产业发展提供支撑。