本文通过3,3′-((乙基-1,2-二基双((吡啶-2-甲基)杂氮二基))双亚甲基)二(2-羟基-5-甲基苯甲醛)(H2L)和丙二胺在金属离子存在条件下的缩合反应, 得到了一个新型3-甲基吡啶悬臂Cu(II)-Zn(II)异双核配合物, 并通过红外光谱、紫外光谱、电喷雾质谱、X射线单晶衍射等手段对其结构进行了表征。单晶衍射结果表明该配合物属于六方晶系, P63/m空间群, a=1.982 18(17) nm,b=1.982 18(17) nm,c=1.839 4(2) nm, 分子式为C37H41CuN6O4Zn。金属中心Cu(II)和Zn(II)由两个酚氧原子和一个醋酸根桥联, 它们的配位环境都可以近似地看作为四方锥结构, Cu(II)和Zn(II)之间的距离是0.289 7 nm。本文还利用循环伏安实验和黏度实验的方法对该配合物与小牛胸腺DNA(CT-DNA)的相互作用模式进行了研究, 结果表明该配合物与CT-DNA的结合方式为弱的插入模式, 其相应的结合活性为6.92×103 mol/L。

近年来液晶在微波通信器件上的研究发展迅速, 而液晶材料的介电损耗成为制约其发展的主要因素。异硫氰三联苯类化合物是一种结构稳定的低粘度、高双折射率液晶化合物, 适于作为微波用液晶材料组分。本文通过偶联法合成了4种含氟三联苯异硫氰酸酯液晶化合物nPGUS(n=2~5), 通过IR、1H NMR、13C NMR、19F NMR确认化合物结构正确; 差热分析(DSC)结果显示, 它们都具有宽温向列相液晶态和相对较低的熔点, 其中5PGUS的向列相温度范围达到101.8 ℃, 熔点只有57.4 ℃; 通过矩形谐振腔微扰法测试分析了它们在高频下的介电性能, 将它们与母体液晶混合后, 在18 GHz时的介电常数值(Δεr)为0.95, 最大介电损耗为(tanδεr-max)0.007 63, 相位调制系数(τ)0.265, 可满足微波用向列相液晶材料性能要求。

近年来基于液晶材料的微波通信器件研究发展迅速, 液晶材料的介电损耗成为制约微波器件发展的瓶颈, 然而目前对微波用液晶材料性能报道较少。本文以低熔点高双折射侧位含氟苯乙炔类液晶作为研究对象, 将其按一定比例掺杂到母体液晶MA中, 采用矩形谐振腔微扰法测试所选液晶化合物在微波频段(10 ~30 GHz)下的介电性能, 探讨分子结构对微波频段液晶介电性能的影响作用。实验结果表明: 在高频时的液晶介电各向异性与分子极性和双折射率相关, 侧位含氟苯乙炔类和端基异硫氰基苯乙炔类液晶化合物均具有较大的介电各向异性(Δεr > 0.85); 对于具有较高双折射率的对称含氟三苯二炔类和三苯乙炔异硫氰基类液晶化合物表现出较低的介电损耗(tanδεr⊥< 8.0×10-3, 18 GHz), 而异硫氰基的含氟二苯乙炔类和不对称含氟三苯二炔类液晶化合物则表现出较高的介电损耗(tanδεr⊥> 8.0×10-3, 18 GHz)。

为了快速感知并分析田间作物生长状况, 采用先进的半导体镀膜工艺的光谱成像传感器, 研究镀膜型光谱成像数据的提取与叶绿素含量分布式检测的方法。 实验采用基于镀膜原理的IMEC 5×5成像单元式多光谱相机, 对47株苗期玉米植株的冠层进行拍摄, 获取673～951 nm范围内的25个波长的光谱图像。 利用SPAD-520叶绿素仪非破坏性地测量叶绿素含量指标, 每株玉米冠层叶片设置2～3个采样点, 每点测量3次取平均, 共计251个样本数据; 同时使用ASD Handheld2型光谱仪采集相应位置区域的反射率曲线, 以对比分析镀膜型光谱成像传感器提取玉米植株冠层叶片反射率曲线的特性。 首先, 在分析镀膜型光谱成像传感器的成像原理的基础上, 通过对原始图像的拆分和重组分别提取成像单元中相同波段的像素灰度值, 并利用相同波段的像素灰度值重构单波段光谱图像, 获取各波段光谱图像。 其次, 利用4灰度级标准板建立图像灰度值和灰度板反射率之间的线性反演公式, 对提取的反射率进行校准。 然后, 为了准确分割出玉米植株冠层, 提出了大津算法(OTSU)和霍夫圆变换组合的玉米植株冠层图像二次分割方法, 分别剔除图像中土壤和培养盆背景的干扰。 最后, 利用马氏距离算法剔除异常样本数据, 利用SPXY (sample set partitioning based on joint X-Y distance)算法划分建模集和验证集, 采用偏最小二乘回归法(PLSR)建立玉米植株叶绿素含量指标诊断模型, 并绘制其分布伪彩色图用于分析叶绿素含量空间分布特征。 研究结果表明, ①对25波段多光谱图像提取和反射率线性校准拟合模型决定系数均达到0.99以上。 分析校准前和校准后与ASD光谱仪测量反射率曲线, 镀膜型成像传感器获取玉米冠层反射光谱总体与ASD采集反射率体现的光谱特征一致, 且校正后数据比校正前与ASD光谱反射率的一致性得到了提升。 ②建立初次OTSU分割算法和基于霍夫圆变换识别的二次分割算法, 可以有效剔除玉米植株光谱图像中的土壤和培养盆背景噪声的干扰。 ③叶绿素含量指标PLSR诊断模型建模集R2c为0.545 1, 验证集R2v为0.472 6。 玉米作物冠层叶绿素分布可视化图可以直观反映叶绿素含量分布与生长动态情况。 通过对镀膜型光谱成像传感器应用方法的研究, 为后续玉米植株叶绿素动态快速检测奠定基础和提供技术支持。

为了快速感知并分析田间作物生长状况, 采用先进的半导体镀膜工艺光谱成像传感器, 研究了玉米植株冠层叶绿素含量分布式检测方法。 试验采用IMEC 5×5成像传感器, 拍摄47株苗期玉米植株冠层, 获取673～951 nm范围内的25个波长的光谱图像。 实验中, 利用SPAD-520叶绿素仪非破坏性地测量叶绿素含量, 每株玉米冠层叶片设置2～3个采样点, 每点测量3次取平均, 共计242个样本数据。 对光谱图像数据, 经4灰度级标准板提取并校准反射率。 为了实现玉米植株与花盆、 土壤背景的有效分离, 在分析不同对象光谱反射率与图像像素特征的基础上, 提出了一种基于谱图特征组合的植株分割方法, 即基于植被指数的图像初步分割与区域标记计算的冠层精细分割的植株提取算法。 首先, 计算各像素点归一化植被指数(NDVI), 并开展基于NDVI的植株冠层分割方法分割结果优于基于最大类间方差法的全局阈值自适应分割算法。 其次, 采用边缘保持中值滤波算法剔除初步分割后图像中存在的噪声点后, 基于区域标记算法进行精细分割, 获得掩膜并最终得到仅保留玉米植株冠层的光谱图像。 分别采用相关分析法(CA)和随机蛙跳(RF)算法选取反射光谱特征波长, 并构建750～951 nm近红外(NIR)和673～750 nm红色(R)选中波长集合, 遍历NIR和R集合组合计算比值植被指数(RVI), 差值植被指数(DVI), 归一化植被指数(NDVI)和SPAD转换指数(TSPAD)。 然后, 再次采用CA和RF算法筛选植被指数, 利用SPXY算法将样本按照7∶3比例划分为建模集和验证集, 并建立了叶绿素含量指标检测CA+RF-PLSR模型。 结果表明, 其建模集R2C为0.573 9, RMSEC为3.84%, 验证集R2V为0.420 2, RMSEC为2.3%。 利用建模结果对多光谱图像进行处理, 绘制玉米叶片SPAD值伪彩色分布图, 实现叶绿素含量分布可视化。 研究表明采用镀膜型光谱成像数据, 分析对象光谱与图像特征, 探讨玉米冠层叶绿素含量分布检测的可行性, 可为直观监测作物生长动态提供支持。

归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算, 被认为是作物营养与长势诊断的重要指标。 为了低成本、 快速、 无损的检测作物叶绿素含量, 计算植株的NDVI并呈现作物的NDVI分布情况, 并通过不同角度图像的分析, 监测作物营养分布与动态。 利用可见光和近红外波段双目成像技术获取图像, 在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上, 经图像分割与光照影响校正后, 针对不同测试角度建立了作物植被指数空间分布图, 并对其空间分布特征与影响因素进行了可视化分析。 试验利用可见光和近红外双目相机对51株玉米植株, 分别在90°, 54°和35°视角下同步采集RGB和NIR图像。 对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后, 选取了SURF, SIFT和ORB共3种图像匹配算法, 并首先利用其进行RGB-NIR图像匹配对齐, 以匹配时间(Time), 峰值信噪比(PSNR), 信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标, 分别从时间、 准确性、 稳定性三个方面综合确定最优匹配方法。 其次, 研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU), 分别实现图像中作物和背景的分离, 提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。 基于HSI颜色模型, 提取I分量讨论了光照对图像的影响, 并利用多灰度级标准板建立了植株光谱反射率校正线性公式。 然后, 利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值, 绘制作物植被指数的空间分布图, 从而对比分析了不同拍摄角度下光谱植被指数的分布特征。 通过不同角度图像的NDVI分布情况, 展示监测作物植株不同位置的叶绿素分布情况。 结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s), 匹配准确性上SURF≈SIFT>ORB, 匹配稳定性上SURF>SIFT>ORB, 综合比较选取SURF为最优匹配算法。 采用4灰度级标准板对R, G, B, NIR分量校正模型的R2分别为0.78, 0.76, 0.74, 0.77。 90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况, 可为分析和监测作物的营养分布提供技术支持。

快速判别马铃薯作物的生长进程是指导田间关键生长期科学水肥管理的重要依据。 研究在马铃薯发棵期（M1）、 块茎形成期（M2）、 块茎膨大期（M3）和淀粉积累期（M4）四个关键生长期, 利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据, 并同步采集叶片测定叶绿素含量。 在光谱数据预处理后, 分析了马铃薯不同生长期的光谱反射率变化特征, 并初步选取了光谱“峰谷”响应参数, 提出了一种基于方差分析与变量减少组合的光谱参数筛选算法（variance analysis combined with variable reduction, VACVR）用于明确光谱学响应的优化指标, 采用Kennard-Stone(K-S)法划分样本集, 最终基于支持向量机（support vector machine, SVM）方法建立马铃薯关键生长期判别模型。 针对光谱数据, 首先使用变量标准化(standard normalized variable, SNV)进行光谱预处理, 在定性分析了随着生长期的推进马铃薯冠层反射特征的变化趋势的基础上, 基于作物生长期动态光谱学响应与峰谷特性选取14个参数, 包括: 8个位置参数、 2个面积参数、 4个植被指数参数。 采用K-S算法将样本按照3∶1划分为训练集（240个样本）和测试集（74个样本）。 分析马铃薯不同生长期冠层反射光谱发现, 随生长期的推进冠层光谱存在差异性: 即在400~500和740~880 nm范围内, 光谱反射率呈降低趋势; 在530~640和910~960 nm范围内, 反射率呈升高趋势; 在530~640 nm范围内, M2和M3生长期的平均光谱非常接近, M4生长期的平均光谱与其他三个生长期的差别较大。 叶绿素平均含量随生长期的进程, 从M1（28.12 mg·L-1）到M2（31.04 mg·L-1）增加, 在M2生长期达到最大值, 之后M3（22.00 mg·L-1）和M4（15.36 mg·L-1）依次减少。 光谱响应参数随着生长期的进程, 绿峰位置Lg和红谷位置Lr逐渐红移, 红边位置Lre逐渐蓝移; 蓝边面积Abe逐渐增大, 红边面积Are逐渐减小; 红边面积与蓝边面积比值依次呈现减小趋势。 根据VACVR算法筛选10个敏感光谱响应参数, 建立SVM判别模型, 训练集判别率为100%, 测试集判别率为94.59%, 该模型可在判别马铃薯的生长期的基础上为田间管理决策提供支持。

为了研究Angel型龙虾眼X射线透镜的聚焦成像特性,基于X射线全反射原理和旋转坐标系方法,建立X射线在方孔内壁的数值模型。通过求解X射线在方孔内壁的交点,得到所有光线的传输路径。为了验证模型的准确性,对透镜的焦距和传输效率分别进行实验测试和模拟。在365 mm焦距处,参与反射的X射线被会聚为十字线,中心焦斑光强最大,与模拟所得结果相符。在能量4.5 keV下,透镜镀金属Ir膜前、后的传输效率分别为1.23%和9.18%,模拟结果的传输效率分别为1.44%和10.14%。结果表明:构建的数值模型是合理的,可为龙虾眼透镜的研制提供理论基础。

中心环外侧嘧啶环作为液晶分子的极性介晶基团，能有效增大分子的偶极矩和分子间的作用力，提高分子的介电各向异性，降低液晶的驱动电压，也有利于形成近晶相液晶态。本文试图以嘧啶乙炔为中心结构单元，以异硫氰基为端基，设计合成了嘧啶乙炔类异硫氰基液晶化合物（nBTM-NCS）系列共5个化合物；它们都经过IR、1H-NMR、13C-NMR和MS光谱对其分子结构鉴定，经过差热分析仪 (DSC)和偏光显微镜(POM)对其液晶性能进行检测。实验结果表明，所有化合物的分子结构均正确，具有近晶相态，其熔点较高并呈现奇偶效应；其光学各向异性达到0.45左右，介电常数21~24左右，可作为铁电液晶和聚合物分散液晶材料配方组分。