随着杂交水稻育种技术的快速发展, 杂交水稻品种日益繁多, 品质与价格也千差万别, 利用智能化手段对杂交水稻种子进行快速分类、 分级和品质检测成为杂交水稻研究领域的热点。 首先研究了不同预处理方式对基于近红外光谱的一维卷积神经网络分类模型对杂交水稻种子的分类效果的影响, 研究结果表明利用Savitzky-Golay卷积平滑算法预处理后的一维卷积神经网络分类模型可获得最佳的分类效果, 其验证集与测试集的分类精度为95.4%和92.9%。 利用随机森林特征波长选择算法选取3个最重要的特征波长分别构建基于单波长灰度图像数据集和基于3波长重构的伪彩色图像数据集, 研究了基于图像数据集的卷积神经网络VGG和残差网络ResNet的杂交水稻种子分类模型, 其研究结果表明基于伪彩色图像数据集的VGG卷积神经网络模型能够获得最优的分类效果, 其验证集与测试集的分类精度分别为92.8%和92.8%, 相比基于伪彩色图像数据集的ResNet分类模型, 其验证集提升3.6%, 测试集提升4.9%。 为了进一步提高分类的精度, 提出了一种图像信息与光谱信息融合的杂交水稻种子分类方法, 该方法利用1D-CNN网络分支提取种子的光谱特征, 利用2D-CNN网络分支提取种子图像的空间维度特征, 最终构建基于图谱融合的2Branch-CNN卷积神经网络分类模型, 其验证集与测试集的分类精度都得到明显改善, 分别达到98%和96.7%。 并利用混淆矩阵评估了2Branch-CNN分类模型对于各个种类的杂交水稻种子的分类效果。 研究结果表明通过图谱融合能有效提升卷积神经网络模型的分类精度, 构建基于光谱与图像数据融合的二分支卷积神经网络模型将为杂交品种的种子快速筛选与分级提供新思路。

利用叠层一维光子晶体提高半透明有机太阳能电池的光电转换效率和调控器件的透视颜色.采用传输矩阵法计算了基于叠层一维光子晶体的半透明有机太阳能电池中活性层的吸收光谱和器件的透过率光谱, 进而计算了器件的光电转换效率和透视颜色.研究结果表明, 通过合理设计叠层一维光子晶体中顶光子晶体和底光子晶体的禁带中心波长, 可以将器件的光电转换效率提高24.4%.此外, 通过控制顶光子晶体和底光子晶体的禁带中心波长, 可以调控半透明有机太阳能电池的透视颜色, 获得透视颜色分别为蓝色、绿色和红色的半透明电池器件.与单层一维光子晶体相比, 叠层一维光子晶体可以使器件获得更高的光电转换效率, 并能在更大光谱范围内调控器件的透视颜色.

利用波长为800 nm的单光束飞秒激光对水溶液中的金纳米棒颗粒进行了稳定地二维光捕获.通过测量金纳米棒的散射谱研究了光阱中金纳米棒之间的耦合相互作用.比较光阱中只有单个金纳米棒被捕获和两个金纳米棒同时被捕获时的散射谱.结果表明, 当两个金纳米棒同时被光阱捕获时, 金纳米棒之间相互排斥, 存在一定的间隔, 该间隔使得两个金纳米棒之间没有发生表面等离子耦合相互作用.该实验结果为金纳米棒的光操纵及其在生物分子探测等领域的研究提供技术指导及实验参考.

利用单光束光镊分别对水溶液及磁性液体中的SiO2小球进行光操纵和光学组装.实验结果表明：在相同激光功率作用下, SiO2小球在水溶液中只能组装成二维结构;而在磁性液体中, 小球的组装从二维组装过渡到三维组装.利用流体力学斯托克斯定律, 实验测量SiO2小球在不同溶液中所受切向梯度力的径向分布情况.利用扫描电镜表征SiO2小球在磁性液体中组装形成的三维结构发现, 有大量的磁性纳米颗粒包覆在SiO2小球的表面, 磁性纳米颗粒包覆层的形成提高了SiO2小球在光力作用下自组装的效率、有序性和稳定性.

探讨了基于JPEG的有损压缩方法在载频条纹图分析中的应用前景。简介了当今流行的JPEG有损压缩技术和傅里叶变换轮廓术。使用专业软件对傅里叶变换轮廓术中拍摄的载频条纹图进行各种压缩比的压缩，解压后再解调出相位，与未经压缩的原图解调出的相位进行比较。将其相位误差与相位移法解调出的相位误差进行了对比，指出相对于相位移法而言，傅里叶变换轮廓术具有滤波的作用，对其拍摄的载频条纹图，应用JPEG压缩算法是可能的，解调出来的相位误差更小。

研究了亚强非局域介质中超高斯光束的传播特性.运用变分法,对任意实对称响应函数泰勒级数展开取至四阶,得到了1+1维亚强非局域非线性介质中光束传输的超高斯光束的近似分析解.分析结果表明:束宽解是椭圆雅可比双周期函数,相移、空间啁啾以及临界输入功率都正比于超高斯光束的阶数.提出了超高斯空间光孤子族模型和准方波形空间光孤子的实现可能性.