飞机蒙皮激光除漆过程的在线监测, 是实现分层可控除漆、 满足适航维修要求的重要手段, 也是推进激光除漆工程应用、 飞机维修自动化的核心技术。 激光诱导击穿等离子体光谱（LIBS）技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化, 实现激光清洗表面状态的在线监测。 基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台, 分别采集了不同激光功率下, 面漆、 底漆、 铝合金基体去除过程中的3类LIBS光谱（各100幅）。 分析了不同激光功率下, 各类光谱示踪元素特征谱线的变化情况, 初步筛选了12条特征谱线作为光谱识别的特征。 进一步对这12个特征进行主成分分析（PCA）, 并将前3个主成分（PC1、 PC2、 PC3）构成的数据集作为支持向量机（SVM）识别模型的输入量, 建立了3类光谱的识别模型。 形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则, 并对该规则的有效性进行了实验验证。 结果表明, 与低频脉冲激光单点作用采集的针状LIBS光谱相比, 基于该平台采集的LIBS光谱普遍存在较强的连续背景（大于5 000 a.u.）以及1.5 nm左右的半峰全宽; 针对此类光谱设计了改进均值平滑滤波算法, 在去除背景光谱的同时有效避免了特征谱线强度失真; 示踪元素的特征谱线存在不稳定性; 主成分分析中前3个主成分PC1、 PC2、 PC3对光谱的解释率达95%, 在其构成的三维空间中, 同类光谱呈区域性聚集; PCA-SVM模型对训练集、 测试集的识别准确率分别为99.44%、 100%; 验证实验结果表明3类光谱的识别模型与在线监测判定规则有效。 所建立的识别模型与判定规则, 可为飞机蒙皮激光分层除漆过程监测及自动化解决方案提供核心技术支撑。

针对一类参数未知的非线性离散系统, 提出一种基于改进型BP神经网络的多模型控制方法。首先将非线性系统表示为线性部分和非线性部分。当非线性部分对系统影响较小时, 则直接采用基于固定模型和自适应模型而设计的鲁棒控制器对系统进行控制；而当非线性部分对系统影响较大时, 则采用基于改进的BP神经网络的自适应控制。其次, 利用切换准则对控制输入进行平滑切换并给出了稳定性证明。最后, 仿真结果表明所提方法能提高系统控制品质、减少控制信号的振荡。

小麦白粉病和条锈病是我国两种最普遍、 最具破坏性的小麦病害, 且田间常常混合发生。 由于病源和发病机理不同, 有必要对这两种病害进行准确区分和识别, 以采取不同的防治措施。 基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、 白粉菌侵染叶片和健康叶片（共计320个）在375～1 017 nm范围内的高光谱图像, 利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线, 发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置, 且趋势基本一致。 针对两种病害的响应波段交叉重叠的问题, 通过主成分分析-载荷法（PCA）、 连续投影算法（SPA）和竞争性自适应重加权算法（CARS）对小麦叶片的光谱信息进行有效降维, 分别优选出3、 6、 30个敏感波段和特征波长; 在此基础上, 采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、 PCA、 SPA和CARS的优选波段, 建立白粉病、 条锈病和健康叶片的判别模型。 结果表明, 8种模型的准确识别率均在94.58%以上。 其中, 主成分分析-载荷法结合极限学习机模型最优, 训练集与校正集的正确识别率分别为99.18%和100%, 且结构简单, 仅含有三个变量（占全波段的1.1%）。 最后, 通过对小麦白粉病、 条锈病以及健康叶片的显微结构分析, 发现病菌入侵叶片, 破环细胞结构, 导致叶绿素含量减少, 光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱, 反射率增大。 可见, 利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害, 为研发作物病害在线识别的多光谱系统提供重要的理论依据。

农作物病害是制约产量的重要因素之一, 目前农作物病害的早期监测主要依靠植保人员田间取样判断危害等级的传统方式, 存在主观性强、效率低、滞后性等弊端, 也有些病害采用提前施药来进行预防, 但此方法有农药过量的风险, 从而影响到水稻生长的生态环境。 近年来随着信息技术的快速发展, 高光谱技术以数据量丰富、 灵敏、 可靠的特点迅速应用于农业生产中, 成为主要检测农作物病害的有效技术手段之一。 文章阐述了植物在病害胁迫下光谱响应机制, 从粮食作物、 经济作物、 蔬菜作物、 果类和其他农作物五个方面梳理和总结了近七年国内外高光谱技术在农作物病害的研究进展, 在此基础上提出目前该技术在农作物监测应用领域的不足以及对未来的展望。 为农作物的病害监测提供参考。

防治煤矿突水时需迅速精准地判别突水水源, 激光诱导荧光(LIF)光谱技术具有灵敏度高、 快速准确监测特点, 为检测突水水源提供了一种新的方法。 该研究引入该技术以获取突水荧光光谱数据。 采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理, 以消除光谱采集过程中噪声干扰。 采用主成分分析(PCA)方法提取特征信息, 针对SG预处理后的数据, 当主成分个数为3时, 累积贡献率可达到99.76%, 已基本保留原数据的全信息。 选择3层结构BP神经网络建立分类判别模型, 通过不同方式构造训练集和测试集, SG预处理数据构建的分类模型可以达到精准判别, 而对于MSC预处理和原始数据出现很少的误判。 实验结果表明SG预处理结果要优于MSC预处理。 研究结果表明, 将PCA和BP神经网络结合建立分类模型, 能有效判别煤矿突水水源, 且具有较强的自组织、 自学习能力。

自然界中不同种物质拥有不同的偏振特性, 这些特征信号能用于检测不同的目标地物。为了探索偏振光谱技术用于精确识别作物和杂草的可行性, 此研究利用配置偏振片的成像光谱仪FISS-P在室内采集玉米与5种杂草的偏振光谱影像。通过比较和分析0°、60°、120°和无偏4种状态下玉米与各种杂草的光谱响应规律、光谱特征和决策识别模型精度, 结果显示4种偏振状态下玉米和杂草的光谱变化趋势较一致, 无偏状态下玉米和杂草的光谱强度最大; 不同偏振状态下玉米和杂草的敏感波段既存在共性又表现出一定的差异性; 4种偏振状态下玉米杂草识别模型的总体精度和Kappa系数均达到90%以上, 其中, 0°偏振状态下玉米和杂草识别模型的整体精度最高, 接近100%。综上, 偏振光谱能够在叶片尺度较好地识别玉米和杂草, 这为田间尺度进一步应用提供了扎实的数据积累。

温室气体(CO2)过量排放可以导致全球气候变暖, 而碳捕捉与储存(carbon capture and storage, CCS)技术是一种减少CO2气体排放的有效措施。 但存储在地下的CO2有泄漏的风险, 如何快速监测CO2轻微泄漏点是一个值得研究的问题。 该文通过野外模拟实验, 研究草地和大豆在CO2轻微泄漏胁迫下的冠层光谱特征, 构建CO2轻微泄漏点高光谱遥感探测模型。 在2008年5月—9月于英国诺丁汉大学Sutton Bonington校区(52.8N, 1.2W)进行了野外模拟实验。 实验共设置16个小区, 8个草地及8个大豆地, 其中各有4个小区进行CO2泄漏胁迫。 冠层光谱采用美国ASD光谱仪进行测量, 草地测量了6次数据, 大豆地测量了3次数据。 实验结果表明, 草地与大豆地的冠层光谱反射率在580～680 nm波段范围内随CO2泄漏胁迫程度的增大而增大, 且在整个试验期内都保持同样的规律, 因此构建面积指数AREA(580～680 nm)(光谱曲线在580～680 nm波段范围内包围的面积)识别遭受CO2泄漏胁迫下的植被。 通过J-M距离检验, 发现该指数能够较好地识别出CO2轻微泄漏胁迫下center区与core区的草地, 但对edge区草地的识别能力不足(J-M距离小于1.8); 该指数可以可靠且稳健地识别出遭受CO2轻微泄漏胁迫的大豆。 该研究结果可为未来应用高光谱遥感探测CO2轻微泄漏点提供理论依据与方法支持。

从玉米自交系种子的遗传距离、 近红外光谱距离、 品种鉴别模型性能三方面进行分析, 探索三者间的关系。 采用三组(共15对)遗传关系远近不同的玉米自交系种子作为实验材料, 通过简单重复序列(simple sequence repeats, SSR)标记计算自交系种子间的遗传距离; 种子的近红外光谱经预处理后降维到主成分分析(principal component analysis, PCA)空间中, 计算各个自交系种子样本中心点之间的欧氏距离, 作为对应的近红外光谱距离; 使用仿生模式识别方法建立鉴别模型, 用模型的鉴别正确率评价模型的性能。 分析结果表明, 自交系种子间遗传距离与近红外光谱距离相关性为0.986 8, 与模型鉴别正确率的相关性为0.911 0, 相关性显著。 说明近红外光谱可以反映出玉米自交系种子之间的遗传关系, 遗传关系的远近影响品种鉴别模型的性能, 遗传距离越小, 近红外光谱距离越小, 模型鉴别能力也越差。 实际应用中有望利用近红外光谱技术分析玉米自交系的遗传关系, 对遗传育种、 品种识别、 纯度分选等具有重要意义; 且建立品种鉴别模型时, 应充分考虑遗传关系较近的玉米自交系对模型性能的影响。

随着全球气候变暖, 我国洪涝灾害发生的频率及影响范围都不断增加。 通过野外模拟试验, 研究植被（玉米、 甜菜）在水浸胁迫下的光谱变化特征, 以构建高光谱遥感模型对水涝灾害范围进行监测。 试验于2008年5月—8月在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)进行, 每周采集一次样本并在室内测量其光谱数据。 试验结果表明植被光谱在550, 800～1 300 nm区域反射率都稍有降低, 而在680 nm区域反射率则略微增大。 选取NDVI, SIPI, PRI, SRPI, GNDVI及R800*R550/R680共六个植被指数识别水浸胁迫下的植被, 研究表明, 指数SIPI与R800*R550/R680对水浸胁迫玉米比较敏感, 而指数SIPI, PRI及R800*R550/R680对水浸胁迫甜菜比较敏感。 为寻找最优的识别模型, 计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析, 发现植被指数R800*R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离, 说明该指数识别水浸胁迫植被的能力优于其他指数, 且具有较强的敏感性与稳健性。 因此, 可以利用该指数快速地提取水浸面积, 为救灾减灾决策提供信息支持。

研究鸭蛋内部的可见光图像信息(H和I)的变化来表征鸭蛋新鲜度的变化。采用可见光图像分析技术获取鸭蛋蛋心颜色参数, 将哈夫单位作为新鲜度的验证指标, 建立了基于支持向量机(SVM)的蛋心内部色泽参数的鸭蛋新鲜度预测模型。模型表明：当SVM类型为epsilon-SVR, 核函数为RBF模型特征参数C=27、σ=23时所建立的模型预测效果最好。其中模型预测效果参数RMSEC=0.9520, EMSEP=0.4205。鸭蛋新鲜度预测值与测定值之间具有良好的线性关系, 且预测值对实际值具有较大的搜索覆盖能力。该模型较好的解决了用普通的线性方法识别鸭蛋新鲜度存在的稳定性较差和置信度较小的问题。通过比较SVM和神经网络的识别结果可以发现：SVM对鸭蛋蛋心颜色的识别性能优于神经网络的识别性能(SVM: 98.92%>ANN: 93.77%)。