为了提升太赫兹光谱分析的瞬时性和系统集成度，提出一种超表面光谱编码与计算重建相结合的太赫兹光谱测量方法。利用多种超表面结构的光谱编码器件对入射太赫兹波进行高随机光谱编码，并提出基于字典学习的稀疏恢复算法以实现光谱重建。理论计算和数值仿真表明，在4%噪声水平下，所提方法对乳糖透射光谱的重建误差小于3%，可为片上集成化太赫兹光谱仪的发展提供新途径。

爆炸物等危险品的分子振动和转动能级在太赫兹频谱段具有独特的指纹谱特性, 且太赫兹波对非极性物质及介电材料有较强的透过性及低能性, 因此利用太赫兹光谱可以实现障碍物隐匿复杂环境下的危险品无损探测。目前各种相关材料的太赫兹吸收光谱标准库并不完善, 且市面上各类太赫兹光谱仪硬件参数不同、检测标准不统一, 导致单纯依赖特征吸收峰的识别方法并不可靠。针对上述问题, 提出一种不依赖于吸收峰准确性的物质识别技术路线: 提取物质在不同频率分辨率、不同障碍物隐匿情况下的太赫兹吸收谱, 利用Marr小波变换在频域上展开得到具有特征唯一性的小波频域尺度图, 建立样本集; 其次, 结合迁移学习方法, 利用Xception网络对样本集进行训练识别。实验结果表明, 此方法可以很好地对不同障碍物隐匿环境中的危险品进行分类识别, 识别准确率可达94%。说明此方法的识别准确性不受系统频率分辨率即吸收谱精确度等系统因素影响, 为邮件及快递包裹等障碍物隐匿危险品无损检测、定性识别提供了一种新的技术思路。

锈蚀对钢材料（如钢筋，钢板等）的强度和耐久性具有较大的影响。研究发现在钢材锈蚀过程中产生的一些铁的氧化物能够与太赫兹（THz）电磁波表现出吸收共振。为了探究钢材锈蚀产物的光学参数并实现其特征识别，首先通过太赫兹时域光谱（THz-TDS）系统测定了不同种类的锈蚀产物样品以及样品中的主要组分Fe₃O₄，Fe₂O₃，α-FeOOH的THz透射信号。在有效测定频率0~1.2 THz范围内，不同锈蚀产物混合物样品的折射率分布在2.7~3.4之间，组分晶体Fe₃O₄、Fe₂O₃、α-FeOOH的折射率分别为4.0、2.7、2.2。锈蚀产物混合物中Fe₃O₄的含量对光学参数，如吸收系数、折射率等的影响较大。然后，搭建了基于双色场的超宽带THz-TDS系统，进一步扩大THz的有效测定范围至0~10 THz，从而实现了对锈蚀产物的特征识别。在0~10 THz范围内，Fe₃O₄不存在特征吸收峰，Fe₂O₃的特征吸收峰位置为3.4、4.2、4.85、5.8 THz，α-FeOOH的特征吸收峰位置为3.6、4.05、5、5.45 THz。同时，对不同锈蚀产物样品的宽频THz吸收谱进行分析，能够实现Fe₂O₃和α-FeOOH的特征识别。研究结果表明，Fe₂O₃和α-FeOOH的特征吸收峰可以作为是否发生锈蚀的依据，该结果为THz技术在钢材锈蚀无损检测方面的应用奠定了基础。

材料太赫兹吸收谱的指纹特性已被广泛应用于物质识别，但实际大气环境下，水蒸气对太赫兹波的强烈吸收会导致光谱严重振荡，假峰、弱峰、混叠峰相继增多，严重影响寻峰比对的精度及物质识别的能力。针对上述问题，提取相对湿度为2%，15%，35%，45%和60%环境下爆炸物的太赫兹吸收光谱信息数据，利用连续小波变换将光谱在频域上展开得到具有特征唯一性的频域尺度图；再基于深度学习方法，以ResNet-50网络模型为基本网络结构，对上述5种不同湿度环境下得到的爆炸物频域尺度图进行网络分类训练，其测试集分类准确率达96.6%。为验证该技术在未经训练湿度样本下的有效性，将相对湿度为50%，55%和67%时爆炸物的时域信号送入该识别系统，分类准确率可达96.2%。实验结果表明，基于小波变换与ResNet-50网络分类训练的太赫兹物质识别方法相比于传统寻峰方法大幅提升了爆炸物在高湿度环境下的识别准确率，规避了降噪、平滑等一系列复杂预处理操作，极大拓展了太赫兹光谱探测技术的工程适应性，为山地、森林、洼地等高湿度、极复杂的作战环境下精确探测、识别地雷等爆炸物提供了技术支持。

我国是农业大国, 保障粮食安全是国家发展的战略需要。 农产品检测技术的应用和发展对监控质量, 预防由农产品品质问题引发的安全事故至关重要。 太赫兹(Terahertz, THz)波位于电磁频谱空隙, 频率高于微波而低于红外线, 具备光子能量低、 穿透性好、 能表征分子结构等优点。 基于太赫兹波的光谱检测技术受到研究人员广泛关注, 在生物医学、 安全检查等方面得到应用, 被证明是一种可靠的检测手段。 在农产品应用领域, 太赫兹波特有的非接触、 无标记检测能力为农产品成分分析、 质量控制提供了技术手段, 其良好的穿透性和无损害性, 可以用来在不破坏农产品表面及外包装的前提下, 检测内部成分变化。 与其他光谱(超声、 X射线、 红外等)检测手段相比, 太赫兹波频率范围宽、 表征能力强, 可实现对目标物质的快速无损检测。 近几年, 随着太赫兹发射源、 探测器等设备以及光谱和成像技术的发展, 其在农产品领域的应用有了新的进展。 通过收集整理近期的文献资料, 综述了太赫兹技术在农产品检测方面的应用拓展和研究成果, 总结了目前存在的应用局限。 在此基础上, 对未来太赫兹光谱和图像检测的研究方向进行了展望, 提出提高检测灵敏度和检测速度是农产品领域太赫兹技术产业化应用的研究重点。 在检测系统中引入基于超材料的传感器是提升灵敏度的一种有效手段, 可以突破原有的太赫兹光谱检测极限, 对研究农药残留、 真菌毒素等危害农产品安全的痕量污染物具有重要意义。 在农产品快速成像检测方面, 基于单像素成像和压缩感知理论的太赫兹计算成像技术是提高检测速度的可行方案。 这些研究成果将为后续太赫兹技术的发展提供方向性指导, 对农产品检测领域的应用推广具有重要参考价值。

太赫兹时域光谱不但包含了样品的化学信息和物理信息, 还承载了设备噪声、 样品状态、 环境参数等多方面的背景信息, 其光谱的多元性可能影响模型的性能, 降低预测精度。 能否在复杂、 重叠、 变动背景下从光谱数据中提取目标组分的特征信息, 去除冗余变量, 筛选特征谱区, 对太赫兹光谱定量、 定性分析至关重要。 以L-酒石酸为研究对象, 在室温下采集6个浓度: 10%, 20%, 40%, 50%, 60%和80%, 共计342个样本的L-酒石酸太赫兹吸收光谱。 利用密度泛函理论(DFT)中的B3LYP方法, 基于6-31G^*(d,p)基组对L-酒石酸单分子模型进行优化并对其太赫兹频谱特性进行理论模拟计算, 分析对应特征波峰的分子振动模式, 得到0.2~1.6 THz频段吸收谱。 与实测吸收谱进行对比, 实验所测结果与理论计算结果对应的吸收峰位置基本吻合。 采用自举软缩减法(BOSS)对L-酒石酸的太赫兹吸收谱进行特征谱区筛选, 并与竞争性自适应加权采样(CARS)、 蒙特卡洛无信息变量消除法(MC-UVE)和间隔区间偏最小二乘法(iPLS)3种经典特征谱区筛选法进行对比, 分析结果显示BOSS算法选取的有效谱区与DFT理论计算特征谱区重合度最优。 分别使用全谱PLS, CARS-PLS, MC-UVE-PLS, iPLS及BOSS五种算法对L-酒石酸光谱进行建模回归分析, 实验结果表明, 四种谱区筛选方法相较于全谱PLS模型, 预测精度均有所提高, 其中BOSS算法预测能力提高最为显著, 其交互验证均方根误差(RMSECV)、 预测均方根误差(RMSEP)、 训练集决定系数(Rtrain2)和测试集决定系数(Rtest2)分别为0.026 0, 0.026 0, 0.988 1和0.987 5, 相较其他模型有更高的预测精度和模型稳定性, 为实现基于太赫兹光谱技术的快速定量检测提供了一种有效的方法。