面向天然页岩与砂岩矿物元素组分快速定量分析的检测需求，笔者搭建了具有自动化分析功能的显微分析激光诱导击穿光谱系统，并采用该系统对油气页岩与砂岩天然岩石样本进行了快速检测。分析了砂岩与页岩光谱的不确定度差异，形成了流程化的包括光谱数据提取、筛选、校正、归一化的预处理方法，有效降低了单一样本与样本间光谱不确定度。基于偏最小二乘回归，形成了模型输入参数优化流程，避免了模型过拟合与欠拟合，提高了定量预测准确度。对岩石中的Si、Ca、Fe、Al、Mg等元素进行了定量分析，多数样本的平均预测均方根误差小于1%。本研究为天然岩石的矿物组分分析与岩性识别提供了技术支持。

以Ti6Al4V沉积层为基体，研究基体表面预处理对超音速激光沉积涂层/基体界面结合的影响。试验前，基体表面经过三种不同方式的预处理，分别为抛光、打磨和喷砂。利用X射线衍射仪和表面轮廓仪对基体表面的物相组成和粗糙度进行了分析，利用光学显微镜对涂层/基体界面结合进行了分析，利用单颗粒撞击有限元模型对颗粒与不同表面粗糙度基体的结合情况进行了分析。研究结果表明，打磨处理的基体由于表面生成氧化钛陶瓷相，涂层发生脱落。抛光处理的基体较喷砂处理的基体有更低的表面粗糙度，其涂层/基体界面结合更紧密。数值模拟表明，基体表面的起伏特征在颗粒/基体界面处促成温度和应变的不均匀分布，阻碍颗粒与基体间的紧密结合。

针对气体泄漏声波信号降噪的问题，提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理；利用 VMD对去除噪声的信号进行分解，得到所有的本征模函数(IMF)分量，并根据相关系数准则判断有效 IMF；最后提取有效成分并进行信号重构。对本文方法进行验证，结果表明，本文方法能够有效剔除气体泄漏信号中包含的各种噪声，降噪后信噪比为 15.485 1，均方根误差为 0.028，为后续信号分析减少了干扰，也为气体泄漏声波信号的特征提取与分析提供了新的思路。

甲醇汽油因其辛烷值高、 成本低等优势成为新型化石燃料替代物， 其甲醇含量的精确检测是决定其品质的重要环节， 甲醇汽油组分的精确定量检测与分析对于缓解我国传统石油资源短缺但需求量增多的现状具有重大的现实意义。 甲醇汽油中甲醇检测的常规方法如酒醇仪测定法、 速测盒测定法等， 操作复杂， 准确定性低。 近红外光谱分析具有测量速度快、 灵敏度高、 可连续测量等诸多优点， 在石油化工领域定性、 定量分析中具有巨大应用潜力。 为研究甲醇汽油近红外光谱无损定量检测方法， 配制了0.5%~30%组分的甲醇汽油标准样品， 设计了甲醇汽油近红外光谱数据采集系统并采集60个组分的甲醇汽油近红外光谱数据; 利用移动平均平滑法、 S-G卷积平滑法(Savitzky-Golay)和多元散射校正（MSC）对甲醇汽油近红外光谱数据进行预处理分析， 研究了BP人工神经网络(ANN)和主成分回归(PCR)模型的决定系数和均方根误差， 对两种算法的结果和预测效果进行对比。 结果显示: 各模型的均方根误差均小于1%， SG平滑-主成分回归预测模型拟合度最好， 其决定系数为0.998 98; 基于SG卷积平滑算法和神经网络算法建立的模型预测值与真值偏差最小， 其均方根误差RMSEP为0.322 84%。 研究表明近红外光谱检测分析技术检测甲醇汽油中的甲醇含量应用中SG平滑-神经网络预测模型性能较好， 满足应用需求， 因而为甲醇汽油组份实际检测应用提供了科学依据， 为有效开发与利用甲醇汽油提供了技术支持。

为了满足金属与聚合物在工业轻量化中的连接需求，采用半导体连续激光器对钛合金TC4和碳纤增强聚合物PBTCF30材料进行激光连接实验研究。通过在钛合金表面进行织构预处理，可使接头在激光连接后获得机械铆接从而提高其强度；将接头剪切强度和预处理时间作为响应，并根据两响应与相关工艺参数之间的关系，利用响应曲面法建立数学模型，分析了织构扫描直径、织构扫描间距、织构扫描次数、激光连接功率和激光连接速度对接头剪切强度及预处理时间的交互式影响，最后通过加速粒子群优化（APSO）算法获得最优解。结果表明，对接头强度影响最大的三个参数组合为：扫描间距-扫描次数、扫描次数-连接速度、连接速度-连接功率。模型验证及优化结果验证表明，所建模型的预测值与实验值吻合较好，模型可靠。

预处理是碳化养护制度中的关键步骤, 对水泥浆体碳化非常关键。在本文中, 通过紫外线照射的方式对拟碳化养护的水泥试件进行预处理, 并与标养预处理对比, 测试并分析了硅酸盐水泥浆体的碳化深度、抗压强度、CO2吸收量及水化产物结构形态变化。结果表明, 在相同时间内, 水泥试件经过紫外预处理后的质量损失是标养预处理的5.3倍, 而在加速碳化后其碳化深度较标养预处理提高了2.4倍, 碳化反应后其质量增加4.5倍, 早期强度提高了18.9%, CO2吸收量提高了0.25%。紫外预处理增加了碳化水泥试件高聚合度硅胶(Q3+Q4)的含量。因此, 紫外预处理可明显加快试件失水和脱钙进程, 对水泥试件碳化过程具有显著的增强作用。

番茄早疫病感染性强、 破坏性大, 潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。 在实验室以离体番茄叶片作为研究对象, 利用高光谱图像监测番茄叶片早疫病的病程演变情况, 结合可见光图像和光谱特征进行数据分析。 实验发现, 番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低, 且在接种36 h时已出现潜育期病症信息。 选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据, 分别利用了主成分(PCA)变换、 多元散射校正(MSC)对建模数据进行光谱降维或降噪处理, 进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型, 并导入数据进行训练识别。 讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM) 模型识别效果的影响; 进一步讨论常见核函数对SVM识别模型的影响, 优选出预处理方法和识别模型的组合算法。 结果发现, PCA-GBDT、 PCA-SVM(高斯核)、 PCA-SVM(线性核)、 MSC-GBDT、 MSC-SVM(多项式核)这几类组合算法准确率均为95%以上, 能很好的实现番茄早疫病潜育期的光谱识别; 其中MSC-GBDT的识别召回率和准确率最好, 而PCA-SVM(高斯核)识别效率最高。 研究表明, 通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、 更加符合真实的分布、 具有较大的可信数据量, 配合简单的识别模型会导致识别能力不足, 而配合复杂的识别模型可达到一个较可靠的测试结果; 通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、 数据量减少; 降维后的特征能够表达出病变信息, 配合简单识别模型时识别效果好, 而配合过于复杂的识别模型会导致识别模型的过拟合。

楸树（Catalpa bungei）木材纹理通直、 材性优良、 用途广泛, 是中国特有的珍贵材树种。 研究木材重要的力学性质--抗弯性质的快速测定方法可以为楸树木材的遗传改良及加工利用提供科学依据。 以楸树无性系新品种“洛楸1号”、 “洛楸4号”和“天楸2号”为试验材料, 依据国家标准抗弯性质测试方法, 测定楸树木材抗弯强度（MOR）和抗弯弹性模量（MOE）。 利用近红外光谱（NIRs）分析结合偏最小二乘法（PLS）对新选育的三个楸树无性系的抗弯性质进行预测, 探究基于不同采谱切面、 不同预处理方法以及不同采谱点的最佳建模方法。 研究结果表明, 基于两切面平均光谱建立的抗弯强度预测模型的相关系数和相对分析误差最高为0.843和1.88, 建立的抗弯弹性模量预测模型的相关系数和相对分析误差最高为0.846和1.88。 选用两切面光谱, 预处理方法按抗弯强度模型性能排序为多元散射校正与卷积平滑结合算法（MSC+S-G）＞二阶导数与卷积平滑结合算法（2ndDer+S-G）＞一阶导数与卷积平滑结合算法（1stDer+S-G）, 预处理方法按抗弯弹性模量模型性能排序为MSC+S-G＞1stDer+S-G＞2ndDer+S-G。 使用一点采谱法建立的抗弯强度和抗弯弹性模量预测模型相关系数比五点采谱法的分别降低5.93%和2.96%。 综上所述, 近红外光谱可以用于预测珍贵材楸木的抗弯强度和抗弯弹性模量。 采用不同切面、 预处理方法和采谱点数建立的模型, 建模结果有一定差异。 得出了楸树木材抗弯强度和抗弯弹性模量的最佳建模方法。 基于径切面和弦切面平均光谱建立的抗弯强度和抗弯弹性模量近红外模型效果最佳。 MSC+S-G是最适用于楸树木材抗弯性质的预处理方法。 五点采谱法模型精度较高, 但对大量样品抗弯性质快速估算时, 可以降低采谱点数量, 仅采集中间部位即载荷加载部位一个光谱点以减少采谱工作量, 提高楸树木材抗弯性质快速评估效率。

水生植物能够净化污染物和抑制藻类生长，在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法，具有无接触、快速、无污染等特点。受周围水环境的影响，绿色水生植物的光谱特征峰比陆生植物更加难以区分，地面实测光谱数据不仅维度高，且存在大量重叠谱带和背景干扰，特征光谱不明显；同时，通过地面实测获取样本数据较为困难，适用于深度学习的地面光谱数据集较少。针对以上问题，本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象，使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中，首先使用4种光谱分析法对原始数据进行预处理，比较预处理前后分类模型的准确率，其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高，为99.50%；然后分别选取样本数据的40%、60%和80%作为训练集，验证模型在小样本下的泛化能力；最后利用Grad-CAM算法对模型进行可视化，分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明，本文模型能够有效提取水生植物的特征光谱，实现对4种水生植物的快速准确分类识别，为高光谱遥感卫星识别此4种水生植物提供了重要参考。

近年来，天然植物纤维用来增强水泥基材料受到了广泛关注。与合成纤维相比，天然植物纤维具有绿色环保、质量轻、低成本、可再生等众多的优点，在许多领域都有大量应用。然而，天然植物纤维易吸水膨胀、与水泥基体相容性差，不能直接应用于水泥基材料中，需通过对天然植物纤维进行适当的预处理改善其对水泥基复合材料性能的不利影响。基于天然植物纤维的结构及材料组成，综述了天然植物纤维的水处理、涂覆处理、蒸汽处理、碱处理、酸处理、硅烷偶联剂处理、混合处理等方法以及这些预处理方法对天然植物纤维增强水泥基复合材料性能影响的最新进展。