为了实现单株油菜叶面积“无损、高精确度和高效率”的测量目标, 提出了一套综合运用图像处理法、叶面积仪法、系数回归法(叶长宽积, 以下缩写为L×W)和纸样称重法四种方法的单叶累加测量策略, 并开展了相应的实证研究。测量精确度分析结果表明, 图像处理法、叶面积仪法、系数回归法(L×W)均可实现油菜叶面积的田间无损精确测量, 其中测量精确度图像处理法最高, 叶面积仪法次之, 系数回归法(L×W)最低, 测量误差分别为2.94%、4.47%、6.01%。图像处理法测量叶面积, 对于因拍摄角度差异造成的测量误差不明显。同一方法不同生育期建立相应校正模型更有利于精确的测量。测量效率分析结果表明, 叶面积仪法测量效率最高, 系数回归法(L×W)次之, 图像处理法最低, 但在人力可接受范畴内。结合不同生育期叶数和叶形特点, 并科学处理“高精确度”和“高效率”之间的关系, 制订了一个测量方案, 叶宽大于12 cm的长柄叶主要通过图像处理法进行测量, 叶宽小于12?cm的短柄叶、无柄叶主要以叶面积仪法测量, 所有叶通过系数回归法(L×W)测量, 用于少数残缺或漏测叶片的补充及对其他方法测量结果作对比分析, 通过纸样称重法校正模型进行校正。该方案可为单株油菜叶面积田间无损测量提供技术支撑。

鉴于数字全息表面粗糙度测量是对被记录的数字全息图进行数值重建获得相应的相位值, 将其映射为表面轮廓值后来计算表面粗糙度参数的, 分别以标准分辨率板和高度标定板为检测样本, 对构建的数字全息测量系统进行了重建误差及重复性测试, 包括横向尺寸误差及高度误差, 横向尺寸重建误差及重复误差分别为1.11%和0.61%, 高度重建误差及重复误差分别为11%和1.8%。以宽带介质膜平面反射镜为样本, 测得其3段评定长度(包含15个取样长度)的表面粗糙度平均值分别为0.010 37 μm、0.010 33 μm和0.009 67 μm。

采用带法兰结构的TE01n圆柱谐振腔，用无损检测的方法测量薄板型微波介质材料的复介电常数。利用轴向模式匹配法对谐振腔内的电磁场进行了求解，给出了相对介电常数和损耗角正切的计算公式，并利用矢量网络分析仪对几种常用微波介质材料进行了测量，其结果表明：该测量方法对相对介电常数的测量误差不超过1%，而对损耗角正切的测量误差不超过10%。该方法还具备一腔多模的测试能力，测量频率可调，可用于介质材料频率特性的测量。

开发了一种便携式植物叶绿素无损检测仪器，该仪器可实现对叶绿素浓度的实时、快速、无损检测。仪器主要包括4个部分：叶片夹具，光源驱动电路，光电检测及信号调理电路和微控制系统。提出了一种电流可调节的光源恒流驱动电路方案，在实现恒流驱动的同时还可以对驱动电流进行程控。同时提出了一种一体化叶片夹具设计方案，不仅简化了仪器的光学结构，而且提高了仪器稳定性。在仪器的标定实验中，用SPAD-502叶绿素测量仪测定的叶片叶绿素含量SPAD值作为标准值，建立了多元线性标定模型，对仪器的性能进行了评价，叶绿素预测值与标准值的相关系数为0.97，预测均方根误差为1.3SPAD，仪器重复性的均方根误差为0.1SPAD。标定实验结果表明，该仪器测量精度高、性能稳定。

叶绿素含量是植物营养胁迫、光合作用能力和生长状况的良好指示剂。实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实施精细农业的关键技术之一。文章提出了一种应用可见灢近红外光谱技术检测植物叶绿素含量的方法。采用透反射测样方式获取了植物叶片的可见灢近红外光谱,并对获得的500～900nm 光谱数据进行平滑、一阶微分以及小波变换等预处理,然后采用偏最小二乘法(PLS)建立了植物叶片叶绿素含量与叶片吸收光谱的定量分析模型,最后利用该模型对预测集样本进行预测。预测集中样本的预测值与标准值之间的相关系数为0.93,预测均方根误差为1.1SPAD。实验结果表明,利用可见灢近红外光谱检测叶片叶绿素含量是可行的,这对今后实现快速无损检测植物叶绿素含量具有重要的指导意义。

氮素是作物生长发育和产量品质形成所必需的营养元素。实时、快速、无损、准确地监测作物氮素状况,对于诊断作物生长特征、指导合理施氮、提高氮肥利用效率、降低因过量施氮引起的农业面源环境污染等具有重要意义。解析了作物氮素营养无损监测的光谱学和生理生态学机理,研究了作物氮素光谱信息获取的原理和方法,设计并研制出便携式作物氮素无损监测光谱仪,并基于水稻田间试验数据对仪器进行了测试。结果表明,所研制的作物氮素无损监测光谱仪性能良好,能够适应田间的复杂环境和监测要求。

应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。

应用光谱图像技术进行了苹果内部品质无损检测技术的研究。通过采集不同波长(分别为632 nm, 650 nm, 670 nm, 780 nm, 850 nm和900 nm)的光谱图像,对所采集的光谱图像灰度分布进行洛伦兹分布(LD)、高斯分布(GD)、指数分布(ED)函数的拟合,通过比较发现洛伦兹分布为最优灰度分布拟合函数。将苹果的糖度与洛伦兹分布函数拟合所得参量分别进行多元线性回归,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程,相关系数R分别为0.622、0.776、0.831、0.813。实验表明,利用光谱图像技术无损检测苹果糖度是可行性的,为计算机图像对水果进行内部品质的无损检测提供技术依据。