传统活力检测方法存在操作复杂、耗时长、可重复性差、对种子造成损伤且不可逆等不足，基于此，提出一种基于光声光谱结合最小二乘支持向量机回归(LS-SVR)的稻种活力快速、无损检测方法。在温度为45 ℃、相对湿度为90%的条件下，对南粳46(粳稻)和内5 优8015(杂交稻)进行高温高湿人工老化处理，依次老化0，24，48，72，96 h，获得不同活力的稻种；采集2类稻种光声光谱数据，总计100份，其中校正集样本60个，预测集样本40个；采用小波包对原始光谱数据进行预处理，通过协方差分析和主成分分析(PCA)对光谱进行降维；分别通过偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和LS-SVR 建立稻种活力预测模型。其中，采用协方差分析结合LS-SVR 建立的模型性能最优，该模型不仅适用于单一稻种，而且适用于不同种类稻种活力的预测。研究表明，采用光声光谱技术结合LS-SVR 对稻种活力进行测定是可行的，且所建模型在稻种活力预测方面具有较好的预测精度，为便携式水稻活力光声光谱仪的研制提供了理论依据。

针对种子发芽率检测常用方法操作复杂、周期长、受种子休眠期影响等问题，提出了一种基于特征光谱和广义回归神经网络(GRNN)的糙米发芽率快速检测方法。在温度为45 ℃、湿度为90%的条件下，对稻种进行高温高湿人工老化，老化时间为0、24、48、72、96、120、144、168 h；人工去壳处理后，采集近红外光谱数据，将160 份糙米样品的光谱分为校正集(120 份)和预测集(40 份)；采用标准正态变换(SNV)、一阶导数(FD)对光谱数据进行预处理，提取特征波长，分析不同建模方法和不同贡献率的特征波长对模型的影响。结果表明，以688、1146、1346、1366、1396、1686 nm对应的光谱作为输入，通过GRNN 建立的模型最优，其校正集相关系数(R_C)与标准偏差(SEC)分别为0.9743、1.9161，预测集相关系数(R_P)与标准偏差(SEP)分别为0.9505、2.3423。研究表明，采用近红外光谱分析技术对糙米发芽率进行检测是可行的，能够从稻种生理学特性的角度揭示不同发芽率稻种的光谱差异，且所建模型在水稻发芽率预测方面有较好的预测能力，为便携式水稻发芽率光谱仪的研制提供了理论依据。

摄像机的快速高精度标定一直是视觉测量中亟需解决的主要问题，目前针对不同的摄像机成像模型有多种标定方法。提出了一种基于圆形标记点以及极径、极角的棋盘格角点排序算法，实现了单目和多目摄像机的高精度全自动标定。通过实验验证了该算法对于不同位姿标定图像的有效性和稳健性，实验结果表明改进后的标定方法既保证了摄像机的标定精度，又提高了标定的自动化程度，可以广泛应用于机器视觉中的单目和双目摄像机的标定。

以对氯苯甲酸为第一配体, 2,4,6-三吡啶基三嗪(TPTZ)为第二配体,分别以铕、铽和镝为中心, 合成了10种稀土配合物, 并进行了元素分析、稀土络合滴定、等离子光谱、紫外光谱、红外光谱和发光光谱测定。配合物的组成为: RE(p-ClBA)3(TPTZ)·2H2O和RE0.5Ln0.5(p-ClBA)3(TPTZ)·2H2O(RE=Eu3+, Tb3+, Dy3+; Ln=La3+, Gd3+, Y3+; p-ClBA=对氯苯甲酸根; TPTZ=2,4,6-三吡啶基三嗪),均为非电解质; 对氯苯甲酸的羧基氧原子与稀土离子配位, 2,4,6-三吡啶基三嗪以主配位点上的3个氮原子与稀土离子配位; 铕配合物的发光强度大于铽配合物的, 镝配合物发光最弱; 在上述3种发光稀土配合物中分别掺入发光惰性稀土离子镧、钆及钇后, 发光强度有不同改变, 掺入镧可明显增强铕、铽的发光强度, 钆可敏化铕、铽和镝的发光, 而钇的敏化作用较弱。表明:掺杂配合物并不完全是两种简单配合物的机械混合, 而是有混配配合物生成。

以苯氧乙酸和邻菲啰啉为配体，不同比例铽钇为中心，在无水乙醇中合成了一系列铽掺钇配合物。元素分析和稀土络合滴定推测配合物的组成为TbxY1-x (POA)3 phen·1/2H2O (POA-=C6H5OCH2COO-, x=1.0,0.9, 0.8,0.7,0.6,0.5,0.4,0.3,0.2,0.1)。红外光谱测试表明，苯氧乙酸的羧基氧及苯氧基氧与稀土离子配位。邻菲啰啉的两个氮原子也与稀土离子配位；热分析表明：该系列配合物在274 ℃附近失去配位水，温度高于576 ℃发生氧化分解。荧光光谱测试结果表明：该系列配合物都可发出较强的特征荧光，在一定比例范围内，钇可以增强铽的发光，组成为配合物Tb0.7Y0.3(POA)3 phen·1/2H2O荧光最强；荧光寿命与荧光强度变化一致。