荧光粉沉淀是影响白光LED发光质量和光学一致性的关键因素。为了实现荧光粉沉淀的快速、无损检测，提出一种基于光学相干层析（OCT）技术的荧光粉沉淀检测方法。使用OCT系统对白光LED进行成像，比较白光LED的OCT与切片图像，分析了荧光粉的数量分布和沉淀物形态。根据荧光粉数量与面积分数的关系以及荧光粉沉淀过程中荧光粉数量分布的变化特点，设计了从OCT图像中提取荧光粉面积分数的算法，分析了荧光粉面积分数与荧光粉沉淀程度的变化关系。实验结果表明，OCT技术可以准确检测白光LED的荧光粉沉淀物形态，荧光粉在OCT图像中的面积分数可以量化荧光粉沉淀程度。该方法可以满足白光LED荧光粉沉淀的检测要求，并可用于白光LED的质量检测和封装工艺研究。

近红外光谱及成像检测凭借其高效、无损、非接触等优点近年来被广泛应用于农林产品、食品检测等方面。该技术可快速获取样品光谱和图像信息，进而结合化学计量学、机器学习建模等对样品进行品质安全、掺杂掺假、理化指标和产地溯源等方面检测，深受各行各业的认可。但光学仪器使用环境以及被测样品性质具有局限性，光学检测结果易受到各种因素干扰，从而影响检测精度，应当予以消除或削弱。简述了近红外光谱和高光谱成像的检测基本原理，并对国内外近红外光谱及成像技术在检测时受到的影响因素进行总结与归纳，结合国内外研究学者在相关方面的研究内容，重点在温度、光照、水分、曲率变化和湿度等5个方面及相关校正方法的应用进行阐述，对当前存在的部分问题提出总结与建议，以期为相关方向的研究人员提供参考及借鉴。

针对脉冲涡流技术在油气井套管检测过程中易受到环境影响而产生的噪声干扰问题, 提出一种油气井套管电磁检测数据的分段动态自适应降噪方法。通过对比分析仿真信号、实验井检测信号与实测井检测信号的差异, 结合实际检测过程中的噪声来源分析, 建立了基于偏心-抖动-温度影响因素的检测信号补偿模型。基于该补偿模型训练得到油气井套管电磁检测数据的分段动态自适应降噪模型。测井数据消噪实验结果表明, 所研究方法与常用的降噪方法相比能更好地抑制实际检测过程中偏心、抖动及温度因素带来的噪声影响, 具有应用和借鉴价值。

太赫兹调频连续波成像技术具有高功率、小型化、低成本、三维成像等特点, 在太赫兹无损检测领域受到了广泛关注。然而由于微波及太赫兹器件限制, 太赫兹信号带宽难以做大, 从而制约了成像的距离向分辨力。虽然高载频可实现较大宽带, 但伴随的低穿透性和低功率会限制太赫兹调频连续波成像系统的应用场景。因此, 聚焦于太赫兹波无损检测领域, 提出一种时分频分复用的 114~500 GHz超宽带太赫兹信号的产生方式, 基于多频段共孔径准光设计, 实现超带宽信号的共孔径, 频率可扩展至 1.1 THz。提出一种频段融合算法, 实现了超宽带信号的有效融合, 距离分辨力提升至 460 μm, 通过人工设计的多层复合材料验证了系统及算法的有效性, 并得到封装集成电路(IC)芯片的高分辨三维成像结果。

随着高性能复合材料在航空航天和**等高新领域的广泛应用, 对其质量和性能检查的要求愈加引起重视, 如何通过各种方法对复合材料进行无损检测成为近年来研究人员关注的热点和研究方向。太赫兹波量子能量低, 对大多数非极性物质透明, 因此使用太赫兹技术对复合材料进行无损检测有着独特的应用优势。本文基于太赫兹技术的特点, 对太赫兹时域光谱和太赫兹成像技术的无损检测分别进行了详细的论述, 并总结了目前复合材料的太赫兹无损检测技术发展趋势, 最后对其发展前景进行了展望。

为实现柑橘可溶性固形物含量(SSC)快速无损检测, 基于可见/近红外技术开发了低功耗手持式柑橘可溶性固形物含量无损检测系统。 以宽谱LED光源结合特征窄带微型光谱仪为核心, 设计了手持式柑橘可溶性固形物含量无损检测终端。 开发了基于物联网技术的水果光谱仪云端数据系统, 该系统主要包括用户库、 设备库、 检测数据库和模型库, 通过通讯模块与手持式无损检测终端相连接, 可以实现光谱采集参数修改、 云端数据上传与下载、 云模型的调用等功能。 利用该检测系统获取的光谱数据, 建立一维卷积神经网络(1D-CNN)模型用于预测柑橘的可溶性固形物含量。 该网络包含输入层、 卷积层、 池化层、 全连接层和输出层等7层结构。 主机采集柑橘的光谱数据并建立1D-CNN柑橘可溶性固形物含量预测模型, 并用该模型与多种传统回归方法进行对比。 1D-CNN模型的预测相关系数和预测均方根误差分别为0.812, 0.488, 优于偏最小二乘法(PLS), 人工神经网络(ANN)和支持向量机(SVM)。 采用基于模型的迁移学习方法, 基于主机的1D-CNN模型对从机进行模型传递, 研究了从机标准样本数量对模型传递的影响。 发现使用少量从机光谱样本即可取得较好的效果, 从机预测集均方根误差为0.531。 研究结果表明, 研发的柑橘SSC云模型的手持式可见近红外无损检测系统具有检测快速、 低成本、 操作简便等优点, 基于该检测系统的1D-CNN网络可以有效提取柑橘光谱的有效特征并进行回归分析。 借助迁移学习算法, 可以实现1D-CNN模型在不同装置间的有效传递, 满足柑橘可溶性固形物含量无损检测的需求。 为手持式水果内部品质无损检测系统的开发与应用提供了借鉴和参考。

玻璃纤维增强复合材料作为新型的先进复合材料, 具有质量轻、 耐高温、 耐冲击等特有的优点被广泛地应用在航空**等领域。 然而, 在其生产过程中由于制作工艺的影响, 使其内部容易产生分层和夹杂等微小缺陷； 另一方面, 此类复合材料在其生命周期内, 由于外界因素如冲击力、 高温等干扰, 使得材料表面和内部发生灼痕和脱粘等缺陷。 缺陷的存在使得作为结构件的玻璃纤维增强复合材料的安全系数降低, 因此有必要对材料内部的缺陷进行检测。 太赫兹时域光谱技术得益于太赫兹波段的独有优势, 作为传统无损检测方式的有效补充, 以其瞬态性、 低能性以及指纹谱性近年来被广泛地应用在复合材料无损检测领域, 可以有效地对缺陷进行无损检测。 通过检测结果对玻璃纤维增强复合材料的性能进行评估, 然而利用太赫兹时域光谱技术对缺陷检测分析时, 发现对缺陷进行层析成像过程有一些随时间扩散的条纹, 条纹的存在掩盖了缺陷的形状, 对缺陷的清晰识别产生影响, 进一步导致对缺陷的漏判和误判。 现阶段, 对于缺陷层析成像时条纹出现的原因在理论上的分析鲜有研究, 该研究提出了应用时域有限差分技术建模分析太赫兹波与玻璃纤维增强复合材料的相互作用机理。 建立在0.2～1.5 THz频段范围内的反射式数值模型, 通过数值模拟实现了对玻璃纤维增强复合材料内部1、 3以及5 mm深度处的缺陷成像, 并且发现, 当太赫兹波垂直入射到玻璃纤维复合材料表面时, 每一深度处的缺陷均可清晰成像, 当太赫兹波以1°倾斜角入射到玻璃纤维增强复合材料表面以及玻璃纤维增强复合材料上下表面存在2°倾斜时, 材料内部每一深度处的缺陷成像中均出现了交替变化的条纹, 验证了出现条纹的原因是由干涉现象引起的。

为实现成品红茶中外源蔗糖含量的快速有效检测, 将凤庆大叶种红茶作为研究样本, 采用近红外光谱技术, 构建了成品红茶中外源蔗糖含量的定量预测模型。 首先, 制作不同外源蔗糖含量（0、 250、 500和750 g）成品红茶样品并采集其近红外光谱数据。 为提高模型预测精度, 选取标准正态变换（SNV）、 多元散射校正（MSC）、 平滑（Smooth）和中心化（Center）4种不同的预处理方法降噪处理后建立偏最小二乘回归（PLSR）模型, 根据模型效果, 优选出最佳的SNV预处理方法, 其校正集相关系数（Rc）为0.907, 预测集相关系数（Rp）为0.826, 相对标准偏差（RPD）为1.75。 为减少光谱中冗余信息对模型运算速度的影响, 利用竞争性自适应加权算法（CARS）、 混合蛙跳算法（SFLA）、 迭代空间收缩算法结合迭代保留信息变量算法（VCPA-IRIV）和变量迭代空间收缩算法（VISSA）等方法从SNV预处理后的光谱中提取对蔗糖敏感的特征波长, 利用主成分分析（PCA）将全光谱和所筛选的特征波长降维处理后, 分别建立线性PLSR和非线性的支持向量回归（SVR）、 随机森林（RF）定量预测模型。 结果表明, 经过SNV预处理后, 非线性的SVR和RF模型性能优于线性的PLSR模型, 其中VCPA-IRIV-SVR为最优模型, 其Rc值为0.950, Rp值为0.924, RPD值为2.51。 研究表明近红外光谱技术对于红茶加工过程中掺杂蔗糖含量的定量预测是可行的, 为实现红茶安全质量的无损检测提供了支撑。

甘蔗的纤维分是甘蔗选育过程和制糖、 造纸等行业生产中不可忽视的因素, 采用透射形式的可见-近红外光谱法对活体甘蔗纤维分进行无损检测具有重要意义。 采集了6个品种不同生长阶段的123个甘蔗蔗茎样本, 将其按2∶1的比例采用Duplex样本集划分方法分为校正集（82个样本）和预测集（41个样本）。 以120°的测量夹角获取了蔗茎在去除蜡质前后两种不同状态下的透射光谱, 并选取噪声较小且幅值变化明显的670～950 nm波段作为实际建模波段。 观察波形发现, 去除蜡质后蔗茎的透光率显著增高, 且建立偏最小二乘（PLS）回归模型分析了蜡质对于模型预测能力的影响, 去蜡后的蔗茎样本建模效果更为良好。 将一阶微分（FD）、 连续小波变换（CWT）、 标准正态变换（SNV）等9种预处理方法分为基线校正、 散射校正、 平滑处理、 尺度缩放四个步骤。 按各步骤的顺序进行排列组合产生108种预处理组合, 分别对处理得到的光谱数据进行PLS建模分析, 最终得到了综合建模效果最优的预处理方法FD+SG。 为筛选得到携带最有效信息的波长, 采取无信息变量消除法（UVE）、 遗传算法（GA）、 竞争性自适应重加权采样法（CARS）以及随机青蛙算法（RF）等有效变量提取算法对最优预处理后的透射光谱进行重要波长筛选。 分别对各算法提取出的重要波长进行PLS建模分析, 其中采用UVE方法提取出来的重要波长建模效果最好, 所选波长的数量为40个, 占全波段的14.3%。 预测集的决定系数（R2p）为0.73, 比相同预处理下的全波段PLS建模结果提升了14.1%, 预测集的均方根误差（RMSEP）为0.88%（%表示甘蔗纤维分的单位）, 比全波段建模结果下降了14.6%。 研究结果表明, 可见-近红外透射光谱能够对活体甘蔗纤维分进行有效预测, 此研究可为相应便携式传感器的开发提供理论依据, 为甘蔗育种、 各行业生产的节本增效提供技术支撑。