本文采用共轭梯度方法，根据脱硫塔表面的红外热像对运行中的脱硫塔壁厚进行了检测。由于脱硫塔内部检测环境恶劣，壁厚检测所需要的脱硫塔内壁面热流亦采用共轭梯度法反演得到。首先通过数值实验，验证了本方法的可行性。然后，依据红外热像进行反演，发现脱硫塔存在筒体腐蚀，防腐涂层脱落和减薄等问题。利用后续的停机检修，对问题区域进行了复核，亦证实了以上部位的异常，表明了本文所提出的基于表面红外热像的脱硫塔壁厚定量检测方法的有效性和准确性。

红外光谱技术存在着数据预处理复杂、预测精度不高，且难以处理大量非线性数据的问题，适于用卷积神经网络进行处理。本文首先分析了卷积神经网络应用在红外光谱上的优点，并对卷积神经网络结构组成进行简单的概述。然后针对卷积神经网络在光谱分析建模中的输入数据维度问题进行详细阐述；针对模型设计中卷积核参数的影响、多任务处理模型以及训练过程中的优化方法进行综述。最后分析了该研究的优点与不足，并展望了未来的发展趋势。

苹果水心病在众多苹果主产区都有发生, 现阶段没有合适的方法实现快速鉴别和分类。 为了探索苹果水心鉴别新方法, 采用近红外透射光谱与化学计量学方法结合非线性流形学习数据降维技术, 逐个采集好果与疑似水心病果样本590~1 250 nm的近红外透射光谱, 将经光谱校正后的原始光谱做多元散射校正（multivariate scattering correction, MSC）、 标准正态变量变换（standard normal variate transformation, SNVT）、 二阶求导（2nd derivative）、 一阶求导（1st derivative）、 归一化（normalization）、 卷积平滑法（savitzky-golay smoothing, SG）、 均值中心化（mean centering, MC）、 移动平均平滑（moving average, MA）、 直接差分二阶求导（direct differential second derivative, DDSD）以及直接差分一阶求导（direct differential first derivative, DDFD）等10余种光谱预处理; 先对预处理后的光谱数据建立全波长模式识别模型从而找出多元散射校正是最优预处理方法, 而后再分别用多维尺度分析（multidimensional scaling, MDS）、 分布邻域嵌入（stochastic neighbor embedding, SNE）、 对称分布邻域嵌入（symmetric stochastic neighbor embedding, SymSNE）、 t分布邻域嵌入（t-distributed stochastic neighbor embedding, t-SNE）、 拉普拉斯映射（laplacian eigenmaps, LE）、 等距特征映射（isomap）、 地标等距映射（landmark isomap）、 局部线性嵌入（locally linear embedding, LLE）、 扩散映射（diffusion maps, DM）等多种流形学习方法对经多元散射校正预处理后的光谱数据做降维处理, 并结合马氏距离判别（mahalanobis distance discrimination, MD）、 二次判别分析（quadratic discriminant analysis, QDA）、 贝叶斯判别（Bayesian discrimination, BD）、 K最近邻法（K nearest neighbor, KNN）识别其水心存在与否。 结果表明, 提取前12主成分, 采用多元散射校正-地标等距映射-K最近邻法（MSC-landmark isomap-KNN）模型识别效果最优, 校正集和预测集识别率分别为97.5%和96.3%。 故, 流形学习方法结合近红外透射光谱可成功、 高效地实现苹果水心鉴别, 为进一步研发水心鉴别设备提供新的理论指导。

为了研究微透镜阵列防伪膜的工作原理和防伪作用,首先,从最基本的莫尔条纹相关理论着手,推导出有关莫尔条纹特性的公式;然后,再将微透镜阵列防伪膜的微透镜阵列和微缩文字阵列看作两个具有固定周期的光栅,将莫尔条纹相关公式应用到微透镜阵列防伪膜上,研究了莫尔放大作用和透镜放大作用的匹配问题;最后,通过实验制备出了样品,得到了微透镜阵列防伪膜制备过程中的关键因素。