裂缝是路面最主要的病害之一，及时、有效地检测和评估裂缝对路面养护至关重要。为实现路面裂缝图像快速、准确的语义分割，提出一种基于DeepLabv3+模型的路面裂缝检测方法。为减小模型参数量、提高推理速度，采用MobileNetv3作为模型的主干特征提取网络，且在空洞空间金字塔池化模块中使用Ghost卷积代替普通卷积，使模型更加轻量化。为避免替换主干网络降低模型精度：首先，在空洞空间金字塔池化模块中使用条形池化模块代替全局平均池化，有效捕获裂缝结构的上下文信息，避免无关区域噪声的干扰；其次，引入轻量级通道注意力机制efficient channel attention（ECA）模块，增强特征的表达能力，并设计浅层特征融合结构丰富图像的细节信息，优化模型对裂缝的识别效果；最后，构造混合损失函数解决裂缝数据集类别不平衡而导致检测精度较低的问题，利用迁移学习的训练方式提高模型的泛化能力。实验结果表明：所提路面裂缝检测模型参数仅为14.53 MB，比原模型参数量减少93.04%，平均帧率达到47.18，满足实时检测的要求；在精度方面，该模型裂缝检测结果的交并比和F1值分别为57.21%和72.76%，优于经典的DeepLabv3+、PSPNet、U-Net模型和先进的FPBHN、ACNet等模型。所提方法可大幅减小模型参数量，在保证路面裂缝检测精度的同时满足实时性，为基于语义分割的路面裂缝在线检测奠定基础。

随着科技的进步，尖端产品和先进光电系统对光学系统的成像质量要求越来越高，光学非球面元件能有效地校正像差、减少系统所需光学元件数量、减轻系统重量，因此被广泛应用。其特殊的面形特征决定了它的加工和检测相对于球面更加困难，而检测精度直接决定了加工精度，非球面检测技术的重要性显而易见。根据测量原理对光学非球面的检测技术进行了概述；根据目前直接面形轮廓法在光学非球面的加工中应用最广的情况，结合最新检测手段，重点介绍了非球面直接面形轮廓法测量技术；并介绍了近年来日益受到人们关注的自由曲面及面形轮廓法在自由曲面检测的应用；最后总结了光学非球面检测技术的现状和发展趋势。

光刻热点检测是实现集成电路可制造性设计，保障集成电路芯片最终良率的关键。鉴于传统基于深度学习的光刻热点检测方法难以满足先进集成电路制造对检测精度的要求，提出了一种基于改进Yolov5s的检测算法，用于光刻版图热点缺陷的精确检测。通过将坐标注意力机制引入骨干网络，提高了Yolov5s模型对版图图形区域的关注度，进而极大地改善了基于Yolov5s的检测算法的光刻热点检测性能。与此同时，采用Sigmoid线性单元激活函数进一步完善整个神经网络的非线性表达，利用Scylla交并比损失函数更快速地定量评估边界框回归损失，提高了热点检测算法的收敛速度和精度。将ICCAD（The International Conference on Computer-Aided Design）2012竞赛基准、经光学邻近校正优化后的光刻图形作为数据集对所提算法开展性能测试实验，验证了热点检测算法的优异检测精度。实验结果表明，该算法的平均准确率、平均召回率、平均F1-score和均值平均精度分别达到97.7%、98.0%、97.8%和98.4%，显著优于其他光刻热点检测算法，展示了良好的应用前景。

引力波探测激光干涉仪对四象限探测器性能提出了较高的技术要求。为了提升四象限探测器光斑位置检测精度，搭建四象限探测器相干探测仿真系统，构建位置检测数学模型，分析位置检测精度与系统信噪比、光斑半径和光斑质心位置三个关键参数以及相干混频增益的关系。基于蒙特卡罗仿真方法并采用LabView软件搭建四象限探测器光斑位置检测计算机仿真系统，深入分析系统中高斯光斑产生、光斑质心位置解算以及误差评判三部分主要过程，分析各个关键参数对位置检测精度的影响。仿真结果表明，提升系统信噪比、减小光斑半径以及选取靠近光敏面中心的光斑质心位置可以提高位置检测精度。将仿真结果与理论计算结果进行对比，验证了数学模型的有效性，提升了蒙特卡罗仿真置信度。

相机标定的精度是决定视觉测量精度的关键。针对标定过程中的倾角检测能力不足、标定精度低等问题，提出了一种面向大倾角靶标图的双目相机标定方法。通过聚类靶标标识点的几何特征数据，设计了无先验阈值参数的标识点提取算法，以提高大倾角靶标图的检测能力；同时，根据无倾斜角的理想靶标平面图与倾角靶标图的匹配相关性，提出了采用标识点的局部形变匹配代替直接检测法的思路。通过求解最优化的局部形变参量来近似求解投影偏差，从而提高真实圆心的检测精度。仿真和实验结果显示，相较于现有方法，本文标定方法的倾角检测能力得到显著提升。仿真图的标定精度的最大提升幅度为82%，实验标定图的标定精度的最大提升幅度为60%。

在许多实际应用场景中，标定图像不清晰、靶标检测精度低常常导致相机标定精度不足，这制约了测量精度的提高。针对该问题，提出一种基于亚像素边缘检测的双目相机标定方法。首先，利用自适应双阈值的Canny算子获取靶标标识点的整像素边缘初值。然后，以整像素边缘初值为中心，根据局部区域面积效应估计非连续性边缘模型的二阶边缘参数，并对亚像素边缘点集进行椭圆拟合，得到靶标标识点的准确位置。最后，通过标识点的排序位置矫正获取用于求解标定参数的标识点检测点集，实现了复杂环境下相机的高精度标定。典型标定场景的测试实验结果表明，相较于现有方法，所提方法对常规环境的标定精度提升了23%，对低对比度、低相对分辨率的高温烘箱环境的标定精度提升了68%。

为解决传统DeepLabv3+算法在遥感影像变化检测上出现的边缘目标分割不精确、分类结果差的问题，提出了一种改进DeepLabv3+的高分辨率遥感影像变化检测方法。首先，基于深度分离卷积与空洞卷积构建了DeepLabv3+模型，大大降低了模型的计算量和参数量。其次，通过引入异感受野改进池化金字塔结构，同时在解码器模块中加入多尺度特征张量，对中间流结构进行残差改造，优化Xception骨干网络，并通过设置权重系数对网络通道进行权重配置优化，从而改进DeepLabv3+模型。最后，采用非生成性和生成性样本扩充方法构建数据集，并通过实验对比分析了所提方法的检测精度与泛化性能。实验结果表明，所提方法能够有效改善图形的输出分辨率和细节特征，具有良好的泛化性能和较高的检测准确率，且与其他对比方法相比，所提方法的图像检测准确率较高，整体精度指标最高可达96.4%。

激光探测器精确测量目标的方位角是导引头导向目标的必要条件，当前缺乏对该精度的理论研究，因此针对激光导引头的测角精度进行了研究。首先建立了制导激光的大气传输模型，并验证了导引头激光探测器接收到的制导信号光斑为均匀光斑; 而后基于激光探测器检测目标方位角的基本原理，推导了目标方位角检测精度与光斑半径、光斑中心位置和信噪比的关系;最后通过仿真分析了不同因素对目标方位角检测精度的影响。结果表明: 减小光斑半径、缩短光斑质心到光敏面中心的距离、增大探测器光学系统焦距、提高信噪比，均可以提高导引头对目标的测角精度。

绝缘子的红外图像分析一般采用图像处理的方法, 易受背景环境和数据量的影响, 准确率和效率均较低, 本文提出一种深度学习的异常诊断方法, 基于改进的 Faster R-CNN方法搭建检测网络, 开展不同类型的绝缘子测试。研究结果表明: 相对于神经网络（ Back Propagation, BP）、Faster R-CNN方法, 本文方法可高效地诊断出绝缘子的异常缺陷, 平均检测精度达到 90.2%；单 I型和 V型绝缘子的异常诊断准确率高于双 I型绝缘子。研究结果可为输电线路绝缘子异常诊断提供一定的参考。