针对现有目标检测算法未考虑无人机群成员之间相互关系，容易出现漏检、误检群成员和未能感知无人机群队形结构特性的问题，提出了一种基于红外探测的无人机群结构特性感知方法。首先，为减少图像中无人机外观特征损失，设计了空间深度-通道注意力模块，该模块结合空间深度转换模块保留判别特征信息的优点和通道注意力关注通道间相关性的特点，提高了检测网络的特征提取能力；其次，为充分利用图像中无人机群成员的位置、边界框大小等结构信息，提出了群成员关系模块，将无人机的结构信息融入到无人机群成员之间的关联信息，提高了检测网络对无人机群成员的检测定位能力。最后，在自建的Drone-swarms Dataset数据集上开展实验验证。实验结果表明：文中提出的无人机群结构特性感知算法的mAP达到了95.9%，较原始YOLOv5算法的mAP提高了约7%，有效提高了无人机群成员的检测精度；同时，检测速度达到59帧/s，实现了无人机群目标的实时检测，进而实现了无人机群队形结构特性的感知。

近红外光谱调控对于开发新型近红外荧光粉至关重要。3d³电子构型的Cr³⁺具有波长可调谐的宽带近红外发光性质，是一种理想的近红外激活剂离子。由于d轨道对晶体场敏感，Cr³⁺离子发射波长强烈依赖于其配位晶体结构，明确配位结构与发光性质之间的构效关系是指导近红外荧光粉理性设计的理论基础。而实际上晶体结构复杂，影响局部配位结构性质的因素很多，难以形成明确的构效关系。AMP₂O₇（A=Li，K；M=Ga，Sc，In）系列焦磷酸盐晶体中具有孤立的［MO₆］八面体结构特征，可为Cr³⁺提供孤立的配位环境，孤立格位大大减少了晶体结构的复杂性，为构效关系的建立提供了合理性保障。本文以AMP₂O₇∶Cr³⁺系列荧光粉为研究对象，Cr³⁺取代在孤立的［MO₆］八面体中心格位，具有波长可调谐的近红外发光性质，其发射波长随M³⁺和A⁺组分变化而发生迁移，以Cr³⁺发射波长对孤立配位结构特征的依赖关系初步构建［MO₆］—Cr³⁺近红外发射波长的构效关系，以期能为Cr³⁺近红外发射材料理性设计提供一些依据和思路。

为了提高现有的三维坐标定位技术的测量精度、稳定性和测量效率，提出了基于深度学习的点衍射干涉三维坐标定位方法。该方法设计了一个深度神经网络用于点衍射干涉场的坐标重构，将相位差矩阵作为输入，构建训练数据集，将点衍射源坐标作为输出，训练神经网络模型。利用训练有素的神经网络对测量到的相位分布进行初步处理，将相位信息转换为点衍射源坐标，根据得到的点衍射源坐标进一步修改粒子群算法的初始粒子，进而重构出高精度的三维坐标值。该神经网络为建立干涉场相位分布与点衍射源坐标之间的非线性关系提供了一种可行的方法，显著提高了三维坐标定位的精度、稳定性和测量效率。为验证所提方法的可行性，进行了数值仿真和实验验证，采用不同的方法进行反复对比与分析。结果表明：所提方法的单次测量时间均在0.05 s左右，其实验精度能够达到亚微米量级，重复性实验的均值和RMS值分别为0.05 μm和0.05 μm，充分证明了该方法的可行性，并证明了其良好的测量精度和可重复性，为三维坐标定位提供了一种有效可行的方法。