Random lasers are a type of lasers that lack typical resonator structures, offering benefits such as easy integration, low cost, and low spatial coherence. These features make them popular for speckle-free imaging and random number generation. However, due to their high threshold and phase instability, the production of picosecond random lasers has still been a challenge. In this work, we have developed three dyes incorporating polymer optical fibers doped with various scattering nanoparticles to produce short-pulsed random fiber lasers. Notably, stable picosecond random laser emission lasting 600 ps is observed at a low pump energy of 50 µJ, indicating the gain-switching mechanism. Population inversion and gain undergo an abrupt surge as the intensity of the continuously pumped light nears the threshold level. When the intensity of the continuously pumped light reaches a specific value, the number of inversion populations in the “scattering cavity” surpasses the threshold rapidly. Simulation results based on a model that considers power-dependent gain saturation confirmed the above phenomenon. This research helps expand the understanding of the dynamics behind random medium-stimulated emission in random lasers and opens up possibilities for mode locking in these systems.

报道了基于常温射频直线加速器建成的10 MeV光子FLASH放疗射线源样机，采用高平均电流电子束轰击高速旋转辐射转化靶，在距离靶点1 m远处的固体水模内，X射线剂量率达到80.5 Gy/s，达到未来临床实验与推广所需剂量率阈值。

DETR（detection transformer）算法是一个基于Transformer的目标检测算法，具有检测速度快、检测效果好的优势。介绍了一种利用DETR算法及双目视觉原理对道路环境下的人、车、自行车、信号灯等目标进行构建的测量系统。分析了双目测距、相机标定、目标检测以及目标匹配的原理，并以此为基础构建了测量系统。采用目标检测算法检测视野中的目标，利用双目视觉原理对检测到的目标进行测距，同时分析了测量系统中测量误差的来源，并计算其对结果的影响。该算法在KITTI数据集及现实环境中进行测试，测量系统基线为45 cm，对15 m～80 m的指定目标检出率高于90.6%，测距误差小于5.8%，在RTX 2080Ti平台上能够实时运行。

光电探测器在许多应用中发挥着关键作用，例如遥感、夜视、侦察、医学成像、热成像和化学检测。随着光电探测任务的逐渐复杂化，工作在不同波段的光电探测器逐渐被集成用于对同一场景的宽光谱探测。受限于集成系统的体积和任务模块，常规的宽谱探测任务往往需要多个不同波段的探测器协同工作，极大增加了系统复杂度，因此具有超宽带探测（紫外-可见-红外-太赫兹）能力的光电探测器逐渐成为国际研究的前沿热点。但是迄今为止，有关超宽带光电探测器的综述还没有见诸报道。因此，本文系统整理了超宽带光电探测器在过去十年的研究进展。文章首先介绍了衡量光电探测器响应性能的指标以及常见光电探测器的主要类型，在此基础上重点回顾了不同类型超宽带光电探测器的研究进展、发展现状、面临的挑战，并展望了未来的研究方向。

我国天然林区分布范围广，地形复杂，依靠传统的护林员巡检方式进行林木病虫害防治，效率较低，难于及时发现早期的林木病虫害，可能因此错过防治的最佳时机。针对该问题，设计了一种基于多光谱图像检测林木病虫害的深度学习网络，研发了一套检测软件，通过无人机挂飞实验，利用搭建的深度学习网络，完成林区染病区检测，对检测结果进行了分析。

针对波前整形的背景噪声问题，提出了一种有效抑制背景噪声的算法。首先搭建闭环波前整形聚焦系统，并基于传统遗传算法进行聚焦实验以验证系统的有效性。然后从增强信噪比的目的出发，提出与以往的多目标优化遗传算法不同的迭代方法，即采用增强倍数而不是绝对强度的判别式来评估目标点的聚焦质量。实验结果表明，改进后的遗传算法将显著噪点亮斑的面积减少了70.4%，聚焦光斑的圆度由0.83提升到0.93。基于实验结果提出背景平均光强与调控面积之间的量化关联模型，并通过量化关联模型对统计实验数据进行拟合，验证了该模型的有效性，实现对聚焦后背景噪声的定量表述。