带涂层钢结构亚表面缺陷的存在例如腐蚀、钢基体裂纹及涂层脱粘等，会对整体结构的性能产生影响，并加速涂层系统退化过程。因此，提出一种基于 YOLO v5的带涂层钢结构亚表面缺陷脉冲涡流热成像智能检测方法。这一方法可以在不移除涂层的情况下自动检测带涂层钢结构亚表面缺陷，具有重要的工程应用价值。通过所提方法，在保留涂层的情况下，对带涂层钢结构中的腐蚀、裂纹、脱粘等亚表面缺陷进行智能检测。检测结果表明，本文所提方法能够精确地识别和分类带涂层钢结构的 4种亚表面缺陷类型：钢基体裂纹、脱粘、严重质量损失（如腐蚀凹坑、腐蚀磨损）以及轻微质量损失（如腐蚀薄层）。4种缺陷类型的检测精度分别高达 96%、97%、95%和 93%，同时满足实时性检测需求。

高效无损地评估农作物病害等级, 对于实际农业生产和研究都具有重要意义。 研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性, 分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响, 并定量对比两种传感器的病害监测效果。 实验研究区由67个不同品种的水稻小区组成, 每块小区均分为相接的纹枯病接种区和侵染区。 以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台, 分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。 同时, 通过植保专家现场调查的方式识别病害等级, 并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。 基于影像拼接、 波段叠合、 辐射校正后的预处理结果, 对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数, 即NDI（normalized difference index）, ExG（excess green）, ExR（excess red）, ExG-ExR, B*, G*, R*, 多光谱图像除上述可见光指数外再计算NDVI（normalized difference vegetation index）, RVI（ratio vegetation index）和NDWI（normalized difference water Index）三种多光谱植被指数。 将计算得到的图像植被指数与地面实测NDVI进行相关性分析, 以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。 相关性分析结果表明, 基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高, 接种区R2为0.914, RMSE为0.024, 侵染区R2为0.863, RMSE为0.024。 对于可见光传感器, NDI与实测NDVI的相关性最好, 接种区R2为0.875, RMSE为0.011, 侵染区R2为0.703, RMSE为0.014。 比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性, 除B*外, NDI, ExR, ExG-ExR, G*, ExG, R*与实测NDVI基本属于高度相关, 在病害严重的接种区, 两种传感器对水稻纹枯病的监测效果相近, 但在病害相对较轻的侵染区, 多光谱传感器的监测更为精确灵敏。 基于多光谱图像NDVI建立的病害等级反演模型, R2达到0.624, RMSE为0.801, 预测精度达到90.04%, 模型效果良好。 而基于可见光图像NDI建立的反演模型, R2为0.580, RMSE为0.847, 预测精度为89.45%, 效果稍差。 对比分析可见光与多光谱传感器的光谱响应曲线, 可见光传感器可获取可见光范围的红、 绿、 蓝三个波段, 波段范围互相重叠, 多光谱传感器包含五个成像单元, 可独立获取从可见光到近红外的五个窄波光谱波段, 提供更加准确的光谱信息。 比较传感器获取的接种区和侵染区水稻平均反射率曲线得出, 多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异, 在红边和近红外波段差异则更加明显, 这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。 综上所述, 基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的, 多光谱传感器精确灵敏, 可用于纹枯病的早期监测, 可见光传感器效果稍差但经济易于推广。 研究结果为病虫害防治提供决策支持, 有助于推动实现精准农业, 保障粮食安全。

高功率片状放大器在线运行时氙灯辐照导致片腔内产生大量气溶胶，易引起钕玻璃污染，影响其使用寿命。采用洁净氮气吹扫恢复片腔内的洁净环境是片状放大器在线运行时的主要洁净手段。研究了氮气吹扫过程中片腔内涡流对洁净度的影响，结果显示涡流对气溶胶颗粒的禁锢作用会导致腔内气溶胶颗粒的大量残留，且无法通过延长吹扫时间或调整吹扫流速加以解决。针对这一问题，提出了间断多次氮气吹扫对腔内气溶胶进行循环稀释的在线洁净控制方法，该方法使腔内涡流经历不断破坏和重建过程，涡流场内滞留的气溶胶颗粒含量也得到不断稀释，从而大幅提高片腔洁净度。针对Φ130 mm单口径片状放大器进行了对比实验研究。采用间断吹扫法之后，腔内残留气溶胶颗粒为连续吹扫时的1/100，片腔洁净度在15 h的观测时间内始终保持在40级以内。该方法普适有效，为避免片状放大器钕玻璃气溶胶污染,增加其在线使用寿命提供了重要参考。

便捷可靠的作物营养诊断是作物科学施肥管理的基础, 也是精准农业的核心。 叶绿素含量是作物氮营养含量的重要指标。 以水稻叶片为研究对象, 用改造后的普通单反相机搭载滤波片的方式拍摄叶片的可见光和中心波长为650, 680, 720, 760, 850和950 nm多个波段的近红外图像, 获取不同波段的相对反射率值, 通过可见光与多个近红外波段结合的回归分析与比较, 筛选出精度较高且稳定的模型。 经过对比相机三个成像通道, R通道与叶绿素含量（SPAD值）的相关性要高于B和G通道。 实验结果表明, 植被指数GVI最能反映作物的生长状况, 近红外波段760 nm对SPAD值的预测效果最好, 最小二乘支持向量机法结合多个植被指数建模的预测精度R2为0.831 4, 取得了较为理想的效果。 同时使用高光谱成像仪采集水稻叶片的高光谱影像, 对比消费级近红外相机成像方式下与高光谱成像方式下得到的植被指数多因子预测模型精度, 两者相当。 实验证明消费级近红外相机能够获得与高光谱成像仪相近的叶绿素含量估测结果。

实时准确地获取作物叶绿素含量的三维空间分布信息, 是作物营养、 栽培和育种等科学研究和生产领域密切关注的问题。 该研究以水稻植株为研究对象, 采用改造后的普通单反相机加载近红外滤光片的方法, 多角度获取水稻植株的多光谱图像。 基于不同波段不同通道的组合图像计算多种植被指数, 将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型, 并筛选出最优预测模型。 研究结果表明, 近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数, 与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量, 其中, R2=0.758, RMSE=1.532。 在此基础上, 利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型, 将最优预测模型应用于水稻综合纹理图, 得到水稻叶绿素含量三维空间分布信息, 从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测。

放大自发辐射（ASE）是影响钕玻璃大口径片状放大器增益性能的重要因素。通过测试钕玻璃大口径片状放大器在不同抽运条件下的增益性能，研究了ASE效应对增益系数和增益分布均匀性的影响，并利用实验数据推算出ASE效应造成的增益系数降低比例。随着抽运能量的增加，ASE效应造成的增益分布塌边、平均增益降低愈发明显。该研究为国产大口径钕玻璃片状放大器的优化设计提供了实验支撑。

水果产品品质检测技术在水果的生产和消费中起着十分重要的作用.利用水果产品的光学特性进行无损检测是水果品质无损检测与分级技术中最实用的和最成功的技术之一.深入研究光在水果组织中的输运规律,对于水果产品品质的光学检测有着十分重要的意义.本文以仁果类薄皮水果苹果和厚皮水果柑橘为例,建立果皮和果肉两层组织模型,利用蒙特卡罗法模拟了808 nm的波长下高斯光束在水果组织中传输的光学特性,揭示了水果果皮厚度对光在组织中的传输特性如漫反射率、透射率、内部吸收率和穿透深度等特性的影响,分析了果肉组织的检测效率.研究结果表明,果皮越厚,透射率和穿透深度越小,果皮比果肉的光吸收能量密度在径向距离上的分布范围更广,随着水果组织内部深度的增加,光吸收能量密度逐渐减小,径向方向减弱的更快.而对于漫反射率,在径向距离0.2～1.2 cm之间,果皮越薄漫反射率越小,在1.2～4.0 cm之间,果皮越厚漫反射率越小.此研究结果表明在用光学检测方法对水果进行无损检测和分级时,无论是透射或反射测量,果皮厚度和光束的相互作用都不应忽视,也为不同类型的水果产品设计更为有效的光学检测装置(如光源的强度、检测器的大小以及位置等)提供了理论基础,对于水果产品品质的光学检测有着十分重要的意义。

提出一种基于Hilbert-Huang变换的THz时域光谱分析方法，将THz时域脉冲信号分解成有限数目的单分量信号之和，利用Hilbert变换求得瞬时频率来获得幅值的时频分布——Hilbert-Huang变换谱，实现了通过水蒸气的THz脉冲信号的时频分析，揭示了THz波与水蒸气相互作用的频谱时域分布特性，并与基于小波变换的时频图进行了对比分析。结果表明，该方法可以同时提高THz脉冲时频分布的时间分辨率和频率分辨率， 具有局部化分析和自适应选择的特点，还能直观地表现出各频率成分之间的相对时间延迟。

针对发射90°×2°线状红外激光光束的新型激光引信光学发射机的特点，对发射机光学组件测试技术进行了研究，研制了新型激光引信光学发射机测试系统.提出了一种基于双线阵CCD扫描成像的测量方法，采取双线阵CCD放在Z1和Z2两个相隔角度Φ的位置同时扫描近场和远场光束分布，通过光束分析软件实现了各视野方向相对强度分布、发散角、俯仰角以及光功率等参量的全自动测试.测试结果表明：各参量测量值在合格范围内，测量准确度为1'，重复准确度≤5%.实际运行表明该系统重复性好、可靠性高、自动化程度高.