针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异，导致传统阈值算法对云识别精度不高的问题，文章提出了一种顾及样本优化选择，耦合物理阈值方法和机器学习的云检测算法模型，利用“葵花8号”卫星（Himawari-8）数据进行日间云检测。通过样本优化选择，使样本中尽可能包括不同情形下的云特征，为机器学习模型提供良好的样本基础，增加模型泛化能力；同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外，还加入了基于反照率和亮温差的物理阈值方法云识别结果；最后基于极限随机树模型进行云检测。结果表明：模型云检测交叉验证精度为96.41%，总漏检率和总虚检率分别为2.08%和0.91%；通过云-气溶胶激光雷达与红外探路者卫星观测（CALIPSO）产品数据进行对比分析，结果显示云检测总体精度为97.1%。

针对TEM喇叭天线终端反射大、低频辐射效率低的问题，对其进行了仿真优化设计。采用时域分析方法，分析了端部加载电阻与背部加载电阻的低频补偿方法，对TEM喇叭天线的尺寸、极板顶角等结构参数进行了优化，采用末端卷边结构，提升了辐射场的峰值场强与脉宽。根据仿真优化结果，研制了长度2.5 m、天线极板间张角45°、天线极板顶角45°的TEM喇叭天线，通过实测验证了仿真结果。结果表明，加载电阻可以有效降低反射，背部加载电阻方式的峰值场强和脉宽比端部加载电阻高，且采用4个电阻并联加载的效果较好；适当增加天线长度、极板顶角以及极板间夹角可以提高天线辐射性能。该研究结果为TEM喇叭天线在辐射式核电磁脉冲试验系统的应用提供了参考。

针对多避雷针系统接闪器布设过于依赖工程经验的问题，基于最小成本原则，以多接闪器的高度和安装位置为优化变量，建立了多避雷针系统接闪器布设的优化模型，提出了基于遗传算法的多避雷针系统接闪器布设优化方法，通过典型设计案例对所提优化设计方法的有效性进行了验证。结果表明：该方法对多接闪器位置和高度优化设计的偏差不大于0.29 m；在该方法获得的接闪器位置和高度最优解条件下，预设的防护对象能够完全处于避雷针系统的保护范围之内，且防护对象与保护范围边界的最小间距不大于0.71 m，能够完全满足工程使用的需求。

在QFN芯片封装缺陷检测中，增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题，本文提出一种基于改进灰狼优化算法（IGWO）的图像多阈值分割方法。首先，改进原始灰狼优化算法非线性因子，平衡算法搜索效率与挖掘能力；其次，引入反向学习策略提高种群整体质量，引入正弦函数、调整头狼权重以改进灰狼更新策略，增强算法多样性与挖掘能力；然后，提出头狼靠拢与种群变异交替进行的位置更新策略，平衡算法收敛性能与跳出局部最优能力；最后，以Kapur熵为适应度函数，求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法，与灰狼优化算法（GWO）、基于翻筋斗觅食策略的灰狼优化算法（DSF-GWO）、基于莱维飞行的樽海鞘群优化算法（LSSA）、改进北方苍鹰算法（INGO）的图像分割方法进行实验对比，结果表明：本文方法在分割用时方面，约为DSF-GWO的1/2，INGO的1/4；在分割精度与稳定性方面，在进行QFN芯片缺陷图像的连续30次分割时，本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。