品质性状的化学测定操作繁琐且存在破坏性和耗时较长等不足的问题, 光谱测定具有高效、 快速、 成本低等优点, 但测定准确度受到不同仪器以及不同机型的影响。 为了建立和优化快速测定苜蓿样品的粗蛋白（CP）、 粗脂肪（EE）、 酸性洗涤纤维（ADF）和中性洗涤纤维（NDF）近红外漫反射光谱的模型, 更好的测定苜蓿品质性状。 选取了25份苜蓿材料147份试验样品, 采用傅里叶变换近红外光谱技术（NIRS）扫描, 获得扫描光谱范围4 000~10 000 cm-1的光谱值, 软件TQ Analyst v9选用偏最小二乘法（PLS）和OPUS7.0选用定量2方法建立定量模型并优化, 并进一步交叉验证和外部检验评估模型效果。 结果表明利用2种软件建立的模型都能很好的预测CP的含量, 建模决定系数（R2cal）分别达到0.999 9和0.984 8, 交叉验证的均方根误差（RMSECV）分别为2.121和0.471, 外部验证决定系数（R2）都大于0.97, 残留预测偏差（RPD）值大于6.0。 EE应用TQ Analyst v9所建立的模型效果更好, R2cal为0.999 7, RMSECV为1.502, 外部验证的R2为0.9293, RPD值为3.89; ADF和NDF利用OPUS7.0建立的模型效果更好, R2cal分别为0.944 1和0.978 8, RMSECV分别为1.040和0.514, 外部验证的R2依次为0.914 5和0.911 8, RPD值分别为3.66和3.43。 4种品质性状建模效果表明, 相对分子结构相对简单的蛋白质和脂肪, 利用TQ Analyst v9更准确, 而对于分子结构更复杂的纤维素, OPUS7.0的预测效果更好。

因墓道狭窄，分块揭取的大型墓室壁画在高清采集后会存在周边信息缺失的情况。为了能够重建壁画分块间丢失的数据，提出了一种多尺度级联网络的墓室壁画数字生成技术。首先，对墓室壁画进行大尺度生成；然后，将重建结果输入深度语义小尺度生成网络中进行精细的数字信息生成。在小尺度生成网络引入自注意力机制，增强生成区域与全局信息的关联性，解决生成区域边界的伪影问题。在反馈损失中改进纹理损失，提高重建信息纹理精细度以及壁画生成效果。为加快训练进程、促进梯度反向传播效率，在生成网络中加入跳跃连接。通过消融实验和对比组实验验证，该数字生成技术可提高壁画分块外延信息的纹理匹配率并弱化伪影的影响，在客观指标峰值信噪比和结构相似度上均取得较好的结果。

以春季漫天飘飞的杨絮/柳絮为研究对象, 将其与棉花/蚕丝天然纤维的微观结构进行比较研究, 分别用体视显微镜、 扫描电镜观测其形貌; 用溴化钾压片法及全反射（ATR）测定FTIR光谱。 分析研究其形貌及微观结构, 实验结果表明: 杨絮/柳絮与棉花/蚕丝天然纤维形貌有显著差异—棉花纤维较粗、 且具有优良的拉伸性能, 而杨絮、 柳絮纤维则较短, 拉伸性能比较差; FTIR光谱比较分析, 发现棉花与杨絮、 柳絮的主要化学结构都是纤维素, 但是棉花纤维中氢键结合的羟基（—OH）伸缩振动吸收峰吸收强度明显大于杨絮, 这也是导致棉花纤维长、 纤维拉伸性能优于杨絮、 柳絮的因素之一; 蚕丝纤维与棉花、 杨絮柳絮这些植物纤维不同, 它的主要结构为酰胺结构。 它们微观结构的差异决定了这些纤维不同的性能和用途。

为了提高航炮安装的精度和效率，提出了一种基于激光跟踪仪的飞机航炮数字化测量方法，并给出了相应的构建测量精度场及计算安装偏差的策略。首先，将由公共点构建的现场坐标系作测量基准，采用航炮测量工装提取航炮实际瞄准轴线。然后, 根据机身参考点获取机身对称轴线，计算实际瞄准点位置及安装偏差， 并详细说明测量工装设计方案及靶标位置误差补偿方法。最后，利用误差椭球描述空间点的位置精度，建立航炮瞄准轴线的不确定度模型；通过不确定度分析得出工装标定误差及跟踪仪测量误差对测量结果的影响。实验结果显示，测量得到的安装偏差的重复性精度为±4.813 mm，瞄准点的位置精度约为±3 mm。结果表明了所提出的方法可以满足航炮安装速度、精度和实时现场测量的要求。