三七是一种传统的中药材, 具有较高的药用价值。 目前市场上中药售假的现象屡见不鲜, 许多不法商贩将三七支根或剪口粉末假冒主根粉末销售, 严重损害了消费者的利益。 利用高光谱技术结合多元分析方法实现三七不同部位粉末的快速无损鉴别。 通过高光谱成像系统分别采集了三七剪口、 须根和主根粉末在400~1 000 nm范围内的高光谱图像, 共300个样本。 采用Savitzky-Golay（SG）平滑结合标准变量变换（SNV）的方法对高光谱数据进行去噪和消除因散射引起的光谱差异。 为了移除光谱变量中的重迭和冗余信息, 利用竞争自适应重加权采样（CARS）算法和本文提出的一种考虑了变量间交互作用的二进制竞争自适应重加权采样（BCARS）算法进行特征波长选择。 最后分别建立了基于全光谱、 CARS和BCARS特征波长的支持向量机（SVM）和极端梯度提升（XGBoost）分类模型。 结果表明, BCARS-XGBoost模型的分类效果最优, 训练集和测试集的分类准确率分别为100%和99.33%。 与CARS相比, BCARS所选择的特征波长数量较少, 有助于多光谱系统和便携式仪器的开发。 利用高光谱技术结合BCARS-XGBoost模型鉴别三七不同部位粉末是可行的。

浮游藻类密度监测对水质状况诊断及藻华灾害预警具有重要意义。因此，提出一种基于微流控-显微荧光技术的浮游藻细胞密度检测方法。该方法基于微流控技术实现样品快速定量进样，利用共聚焦显微荧光结构实现藻细胞特征荧光信号的高信噪比采集，并通过分析荧光峰信息实现浮游藻细胞计数。以杜氏盐藻、色球藻、隐藻和赤潮藻为测试对象的结果表明：在1.3×10⁶ L^-1密度范围内测量相对误差均小于3.96%，且准确率不受悬浮物、藻细胞种类以及尺寸的影响；在10%允许误差下，藻类密度检测上限可提升至5×10⁶ L^-1，完全能够满足自然水体浮游藻细胞密度检测需求，为水体藻细胞密度快速准确检测提供了新途径。

以鱼腥藻、栅藻和盘星藻为分析对象，通过采集多个焦平面的显微图像，基于拉普拉斯能量与引导滤波以及图像HSV颜色空间饱和度分量分别检测显微图像聚焦区域和失焦区域，研究浮游藻类细胞显微多聚焦图像融合方法，并与小波变换、拉普拉斯金字塔以及脉冲耦合神经网络融合方法进行对比分析。结果表明：鱼腥藻、栅藻和盘星藻融合图像的边缘信息保持度、空间频率、平均梯度分别为0.3529、8.9654、0.0055，0.3778、7.0058、0.0023和0.2940、1.5445、0.0005，均优于对比融合方法，具有更好的边缘信息传递能力及更高的图像清晰度，有效实现了浮游藻类细胞显微多聚焦图像融合，为获取浮游藻类细胞的全景深显微图像提供了思路。

针对多目标位姿估计过程中点云局部特征存在类间错误匹配的问题，提出了基于点云实例分割的鲁棒多目标位姿估计算法。首先，基于密度聚类对场景点云进行分割得到点云簇，并用快速点特征直方图（FPFH）描述子对分割后的点云簇进行局部特征提取；然后利用随机森林算法对聚合后的点云簇的局部特征进行分类，完成点云实例分割；之后对于场景中每一个分割后的实例，采用近似近邻快速库（FLANN）匹配算法对场景实例和模型进行特征匹配，得到实例分割后的点在对应类别模型上的匹配点，利用随机采样一致（RANSAC）算法以及最小二乘算法计算初始位姿；最后经过点到平面迭代闭合点（ICP）算法得到每个实例的精确位姿。在CV-Lab 3D合成数据集以及UWA真实采集数据集下的实验结果表明，相比直接匹配模型和全部场景点的局部特征进行多目标位姿估计，所提算法能够有效提升局部特征匹配阶段的内点概率，从而提升复杂场景下位姿估计的鲁棒性和准确率，尤其适用于场景中具有多个实例的位姿估计应用。

浮游藻类的种类多样性和群落结构是水生态环境建设评价的重要指标，利用细胞图像对其进行识别是实现浮游藻类检测的重要手段。相较于传统的显微镜检法，基于深度学习的目标检测算法因更高效的检测能力而越来越多地被运用到浮游藻类检测领域。针对YOLOv3目标检测算法对部分形态小、边界模糊和粘连浮游藻类的检测精度低等问题，采用空间金字塔池化（SPP）结构改进了YOLOv3目标检测算法的特征提取方式，采用广义交并比（GIoU）边界损失函数改进了YOLOv3目标检测算法的边界损失函数，最终构建了一种基于SPP和GIoU改进的YOLOv3浮游藻类检测算法（SPP-GIoU-YOLOv3）。实验结果表明：在检测速度无明显差异的情况下，所提SPP-GIoU-YOLOv3分类检测算法对实验藻类的平均精度均值达95.21%，比YOLOv3目标检测算法提高了4.24个百分点。本研究为发展准确快速的浮游藻类检测方法技术提供了一定的基础。

Polymers are widely used materials in aerospace, automotive, construction, medical devices and pharmaceuticals. Polymers are being promoted rapidly due to their ease of manufacturing and improved material properties. Research on polymer processing technology should be paid more attention to due to the increasing demand for polymer applications. Selective laser sintering (SLS) uses a laser to sinter powdered materials (typical polyamide), and it is one of the critical additive manufacturing (AM) techniques of polymer. It irradiates the laser beam on the defined areas by a computer-aided design three-dimensional (3D) model to bind the material together to create a designed 3D solid structure. SLS has many advantages, such as no support structures and excellent mechanical properties resembling injection moulded parts compared with other AM methods. However, the ability of SLS to process polymers is still affected by some defects, such as the porous structure and limited available types of SLS polymers. Therefore, this article reviews the current state-of-the-art SLS of polymers, including the fundamental principles in this technique, the SLS developments of typical polymers, and the essential process parameters in SLS. Furthermore, the applications of SLS are focused, and the conclusions and perspectives are discussed.

背景去除是从单幅条纹投影图中恢复相位的重要问题之一，提出了一种改进的模糊c均值（FCM）聚类算法来移除单幅条纹投影图中的背景。该方法使用改进的FCM算法将条纹分为黑、白条纹，并通过改进的FCM目标函数得到背景，从而从条纹投影图中去除背景。将该方法应用在两张模拟图和一张实验图上，并与傅里叶变换方法、基于形态学操作的二维经验模态分解方法、变分分解TV-Hilbert-L²模型进行了比较。实验结果表明，该方法提高了背景去除的能力和相位提取的精度。