种子活性受到存储条件的影响很大。 收集了真实情况下受到不同存储条件影响的种子, 通过发芽实验验证了其成活率存在差异。 再从中选择适量的种子样本, 采集其单颗种子的可见-近红外反射光谱, 运用不同的光谱预处理技术, 结合不同的机器学习建模手段, 以区分不同成活率的种子。 比较了不同的光谱预处理方法, 比如标准反射光谱校正、 多元散射校正等。 从识别准确度的角度, 认为标准反射光谱校正的方法, 能够很大程度上提升不同存活率种子的光谱差异性, 从而经过机器学习判断达到更高的识别准确度。 同时比较了支持向量机、 K邻近和距离判别分析等机器监督学习建模方法, 发现利用标准反射光谱校正的方法结合距离判别分析, 能够对种子样本实现完全准确的判定。 更进一步, 为了满足实际运用中快速识别的要求, 将高分辨率的光谱数据压缩成为低分辨率多通道带通光谱数据, 这样可以大大降低的光谱数据长度, 节约各种机器学习器在训练和判断中所用的时间。 使用简化过后的多通道带通光谱数据判定种子存活率, 其识别准确度仍然接近90%。 充分说明了, 利用多通道宽带光谱数据, 并选择合适的机器学习建模方式, 足以满足实际选种产业的一般性需求, 有潜力作为未来粮种成活率快速鉴别的技术手段。 还采用了多种带通宽度以简化光谱, 分析比较不同带通宽度对识别精度的影响。 总体来说由于带宽增大, 数据量减少, 识别速度更快, 但是识别精度降低。 从10～50 nm改变光谱带宽, 标准反射校正后的简化光谱的识别精度从87.50%下降到58.75%。 在实际运用中, 需要权衡识别速率和预期识别精度, 合理的选择带宽。 验证了根据简化后的可见近红外反射光谱, 能够较快速且准确的识别水稻种子存活率, 为以后的基于带通滤波片的快速种子存活率识别奠定了基础。

海洋是地球生态环境的重要一环, 但人类对海洋资源的勘探和开采容易对其造成严重破坏, 如油气开采过程造成的大面积溢油、污染和赤潮爆发等。高光谱成像技术可以同时获取图像信息与高分辨光谱信息, 在海洋原位探测上具有重大应用。文中综述了小型高光谱图谱仪与激光雷达及其在海洋应用上的部分近期工作。小型高光谱图谱仪结合荧光技术, 实现了溢油种类的分类和油膜厚度的估计。多模式高光谱海洋原位探测系统可以工作于普通反射或透射成像、望远成像、显微成像三种模式, 实现了海洋不同藻类及鱼类传染病载体孢囊的高光谱探测。高光谱技术结合激光雷达技术在溢油、赤潮等海洋污染物监测方面具有很大潜力。非弹性高光谱沙姆激光雷达系统通过油品的荧光光谱实现了海洋溢油油品的遥测鉴别。形貌沙姆激光雷达系统基于二维沙姆成像原理, 通过空气-水界面折射矫正, 成功的对人体、贝壳、珊瑚等进行了三维形貌重构, 近处恢复精度可达毫米级, 表面纹路清晰可见, 为海洋监测应用提供了新的技术支持。

提出了一种基于扫频光学相干层析术的散斑方差（SV）和多普勒算法结合的方法来提取人体皮肤毛细血管的血流信号。这种方法利用了SV算法获取血流信号强度和多普勒算法获取相位信息的优势。SV算法对两幅结构图同一位置的强度进行方差运算。多普勒算法可以通过测量相邻A扫之间的相位变化来获取多普勒频移，进而获取血流流速信息，但这种方法中扫频光源的相位和采样信号随时间存在漂移，导致触发信号和采集卡模数转换之间的延迟时间在一个取样时钟周期中变化。为了校正这部分相位变化，实验系统中采用双参考镜，通过校正两参考镜相邻A扫之间的相位变化来对相应血流部分进行相位校正。进行了样本模拟实验和人体皮肤成像实验，SV算法获取血流强度和经标准平面镜校正的多普勒频移来获取血流方向，综合运用两种方法得到具有方向信息的血流强度图。