针对目前基于点云的三维目标检测算法中小目标检测效果差的问题，提出了基于改进PointPillars模型的三维目标检测方法。首先，改进了PointPillars模型中的pillar特征网络，提出了一个新的pillar编码模块，在编码网络中引入了平均池化和注意力池化，充分考虑了每个pillar模块的局部详细几何信息，提高了每个pillar模块的特征表示能力，从而提升了模型的小目标检测性能。其次，基于ConvNeXt改进了骨干网络中的二维卷积下采样模块，使模型在网络特征提取阶段能够提取丰富的上下文语义信息和全局特征，从而增强了算法的特征提取能力。在公开数据集KITTI上进行验证，实验结果表明，所提方法具有更高的检测精度，相较于原网络，改进后的算法的平均检测精度提升了3.63个百分点，证明了该方法的有效性。

线性菲涅耳聚光系统采用柱面反射镜可提高聚光能力。本文提出一种柱面反射镜曲率半径的优化计算方法，建立了通用计算模型，详细分析了反射光线横向偏移的变化规律、系统瞬时光学效率和能流均匀性等。研究结果表明，柱面反射镜的最佳曲率半径与其宽度几乎没有关联，只需要考虑其与镜场中心的距离和系统有效工作时太阳横向入射角即可得到最佳值。通用计算模型所得的结果与数值精确计算的结果非常接近，最大偏差为1.26%，平均偏差为0.38%。在考虑柱面反射镜型面误差、跟踪误差和曲率半径误差的情况下，当横向入射角大于45°时，系统瞬时光学效率保持在59.46%以上。在聚焦平面的较小范围（相对距离为-0.05~0.05）内，能流密度高且均匀性较好，适合布置光伏电池组件。

为了更好地突出红外与可见光融合图像中的目标信息，保留更多的纹理细节信息，提出了一种基于非下采样剪切波变换（ non-subsample shearlet transform，NSST）域结合脉冲发放皮层模型（ spiking cortical model，SCM）与改进的模糊 C均值聚类（ fuzzy C-means clustering，FCM）的红外与可见光图像融合算法。首先，用改进的 FCM提取源红外图像中的红外目标信息；然后，将得到的红外图像与可见光图像的目标区域和背景区域进行 NSST分解，得到各自的高低频子带图像；接着，对得到的不同区域采用不同的融合策略，其中，对于高频背景区域采用 SCM模型与改进赋时矩阵进行融合；最后，使用 NSST逆变换，得到最终的融合图像。仿真实验证明，与其他方法相比，本文算法得到的融合图像在主观视觉上红外目标信息突出，纹理细节信息丰富，在客观评价上，其信息熵和边缘保留因子达到最优。

针对高压输电铁塔爆破振动安全控制标准不明确，难以指导施工的难题，以某在建高速公路隧道工程为依托，设计单循环200 kg工业炸药量级隧道爆破掘进孔网参数，开展临近高压铁塔塔基质点爆破振动现场监测，对振动信号进行统计分析，研究了隧道爆破施工对临近高压铁塔的振动响应特征及振动信号的衰减规律。结果表明：随着爆心距的减小，塔基质点振动峰值合速度呈增大趋势，振动能量集中频带向低频方向发展，振动频率受隧道围岩裂隙发育程度的影响较明显；竖直方向的振速峰值均大于水平方向的振速峰值，要重点关注塔基竖向振动危害，防止塔基面介质的沉降；采用多段别延期起爆网路，严格控制低段别雷管的最大起爆药量，可有效削弱爆破振动对高压铁塔的危害效应。通过数据拟合，得出了本工程条件下隧道爆破质点振动传播衰减公式。本隧道工程将高压铁塔处的爆破振动速度控制在1.0 cm/s以内，确保铁塔安全运营，因此建议电力主管部门和制法机关适当放宽电力设施周边爆破作业的管控范围。

为了适应下一代6G网络对光纤传输系统大容量、高速率和低时延的要求, 以石英光纤为传输介质, 利用人工蜂群算法设计了二阶多泵浦拉曼光纤放大器。采用龙格-库塔法和打靶法求解二阶多泵浦拉曼光纤放大器的功率耦合波方程, 再通过人工蜂群算法对4个泵浦光的不同排列结构进行优化分析。通过Matlab仿真, 从14种双向泵浦结构中, 得到了性能最优的双向泵浦结构FFBF, 该结构在100 nm带宽范围内的平均增益高达24.8 dB, 增益平坦度仅为0.78 dB, 为6G网络的拉曼光纤放大器的设计和优化提供了参考。

高重复频率的自由电子激光和低发射度的同步辐射衍射极限环光源对反射镜的热变形提出了更高的要求。针对上海硬X射线自由电子激光装置（SHINE）高热平均功率的特点和波前保持的需求，计算了第一条光束线中第一面反射镜M1在不同能量点下的热功率分布，并建立了有限元热学和结构耦合分析模型进行了M1的热变形计算和波前传播模拟。最终，采用多段冷却和复合使用的方式对反射镜冷却进行了优化设计，使得在入射光能量为7.0 keV、掠入射角为4.0 mrad的情况下的额定热功率从0.48 W提高到了3.06 W，工作重复频率提升了6.4倍。光学模拟结果显示，在其他不同特定能量点下额定热功率也有2.0~8.3倍的提升。

外周神经母细胞性肿瘤（peripheral neuroblastic tumors，pNT）是儿童常见的颅外恶性实体瘤，其主要预后评估依据为神经母细胞瘤分化程度和核碎裂指数（mitosis-karyorrhexis index， MKI）。目前，对MKI的计算主要通过病理医生人工计数，过程繁琐且工作量较大。采用计算机图像处理算法识别病理切片图像中病理性核分裂神经母细胞（pathological mitotic neuroblasts， PMN）和神经母细胞（neuroblasts，NEU），并辅助病理医生计数，可减少医生的重复性工作，提高工作效率。采用数学形态局部最小值标记（H-minima）修改梯度幅值，并利用改进型分水岭算法识别NEU并计数。实验结果表明，与病理医生的金标准对比，所提算法对NEU识别的平均准确率为94.2%，平均过分割率为2.79%。从色度分量角度对PMN的细胞质区域识别，平均识别准确率为81.66%，MKI值的平均误差率为0.031%。