针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite, CFRP)的富树脂检测需求, 提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究, 并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法, 通过低通滤波抑制高频随机噪声。其次根据频率差异, 应用变分模态分解算法分离并消除共振结构噪声, 提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次, 引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后, 应用Otsu多阈值方法自适应获得富树脂识别的阈值, 消除相干噪声的影响, 完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像, 在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明: 变分模态分解的分量数为2, Otsu多阈值的类别数为3时, 能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号; 采用0.15作为多视图成像的阈值, 可简洁有效地描述富树脂在小孔隙率CFRP中的分布。

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。