利用1 064 nm和355 nm两种波长的纳秒激光研究了K9光学元件体内成丝损伤的特点及损伤增长规律。结果表明, 当以高于元件体损伤阈值的能量辐照样品体内时, 必然会在体内形成丝状损伤。两种激光辐照都会在元件体内首先形成等离子通道, 在后续激光的辐照下, 靠近入射激光处的损伤点吸收更多能量发展为更大的成核损伤点, 逐渐向前表面增长, 并伴随大量裂纹的纵向扩展。所不同的是, 355 nm激光诱导元件体内成丝损伤时存在多条丝状通道; 而1 064 nm激光即使在远大于初始损伤阈值的激光能量辐照下, 也没有观察到非常明显的丝状损伤。同时实验也发现, 两种波长诱导的丝状损伤的损伤增长面积随激光辐照发次的增加呈现指数趋势增长, 355 nm导致的损伤增长速度大于1 064 nm对应的速度。

针对激光诱导K9玻璃元件体损伤问题,利用在线成像技术获得激光诱导体损伤时的侧面和正面图像,并分析体损伤中成丝损伤的特点及成丝损伤中成核损伤和裂纹对损伤增长的影响。结果表明,当激光辐照能量大于体损伤阈值时,体损伤会以成丝损伤、成核损伤及损伤增长的形式出现,但只有最靠近入射激光方向的成核损伤点会在后续激光辐照下出现持续增长现象。成核损伤在损伤增长过程中的裂纹更多向纵向和逆激光传播方向扩展。同时,在相同能量的激光辐照下,损伤面积的增长强烈依赖于成丝损伤点的长度,且从侧面方向观察到的损伤点的损伤增长系数大于从正面方向观察到的。研究结果为对K9玻璃元件体损伤及其在后续激光辐照下的损伤增长规律研究提供了参考性。

基于卷积神经网络的图像超分辨率算法可以分为图像尺寸放大和图像细节恢复/增强两个步骤，在细节恢复过程中，卷积层直接从输入图像中学习特征并将该特征作为下一个卷积层的输入数据。为了加强输入图像和卷积层各通道图像的特征表达能力，提出了一种新的卷积神经网络算法，该算法对输入图像和通道图像进行选择性灰度变换而增强特征表达的能力。实验结果表明，在公共红外图像数据集和实验室采集的红外图像数据集上，所提方法的超分辨率重建效果均优于当前的几种典型算法，能够恢复的细节信息更多。

为研究4H-SiC探测器的抗γ辐照性能，使用40万Ci级的60Co源对4H-SiC探测器进行了数次辐照，累积辐照剂量最大为1 MGy(Si)，并在辐照后对4H-SiC的性能进行了测试。随着累积辐照剂量增加，4H-SiC探测器的正向电流增大，而反向电流恰好相反；根据4H-SiC探测器的正向I-V曲线可提取理想因子和肖特基势垒，理想因子从1.87增加到2.18，肖特基势垒从1.93 V减小至1.69 V；4H-SiC探测器对241Am源产生的α粒子进行探测时，探测器的电荷收集率从95.65%退化到93.55%，测得能谱的能量分辨率由1.81%退化到2.32%。4H-SiC探测器在受到1 MGy(Si)的γ辐照后，与未受到辐照时相比，在探测能量为5.486 MeV的α粒子时能量分辨率和电荷收集率仅退化了28.18%和2.2%，仍具备优良的探测性能。

对比研究了基频、二倍频和三倍频激光单独和同时辐照下熔石英光学元件的初始损伤和损伤增长规律，重点研究了基频和二倍频的加入对三倍频诱导初始损伤和损伤增长的影响，分析了基频和二倍频相对于三倍频的折算因子。研究结果表明：当基频和二倍频能量密度较低时，它们对三倍频损伤几率曲线的影响可以忽略，但会引起损伤程度的增加；在多波长同时辐照的损伤增长中，损伤增长阈值主要取决于三倍频的能量密度，而损伤增长系数与总的能量密度有关；折算因子可以同时反映初始损伤和损伤增长的波长效应和波长间的能量耦合效应。