溢洪道的开挖成型质量对后期工程的运行安全有着重要影响, 基于老挝南公1水电站非衬砌溢洪道岩体开挖, 针对溢洪道开挖中的四个关键部位, 提出并采用了不同的爆破开挖技术, 取得了良好的开挖效果并积累了丰富的工程经验。现场开挖结果表明: 深孔预裂爆破技术能够很好地解决溢洪道高边坡的轮廓开挖成型控制难题, 爆后轮廓面清晰可见、开挖成型质量优良, 且半孔率和最大起伏差均满足设计要求; 消能-聚能联合控制爆破技术在消力池底板开挖中得到成功应用, 获得良好开挖成型效果的同时, 大大加快了施工进度; 对于消力池尾坎这种特殊部位的岩体开挖, 上下游面采用深孔预裂一次开挖成型、顶部水平面采用水平预裂+垂直孔的轮廓开挖技术, 能够很好地解决尾坎的开挖成型控制难题; 对于类似闸室跌坎段这样具有开挖成型质量要求的小台阶爆破区域, 大孔径小梯段的爆破技术并不是很适宜, 应优先采用小孔径小梯段的控制爆破技术。

针对人工和接触式监测牛日常行为的局限性,提出了一种基于特征部位空间关系的牛日常行为识别方法。首先,用YOLOv5(You only look once,v5)目标检测模型定位图像中牛特征部位的位置,并根据特征部位的位置信息构建牛特征部位的空间关系向量。然后,利用全连接神经网络对空间关系向量进行分类,实现牛的站立、卧躺和采食行为的识别。最后,通过统计一段视频中各行为的时长验证该方法的可行性。实验结果表明,该方法对牛的站立、卧躺和采食行为具有较高的识别准确率,对视频中各行为时长统计的相对误差较低,满足牛日常行为监测的需求。

为避免复杂的制样提取过程, 在天然状态下获得植物样品油细胞中精油的成分, 用显微拉曼光谱仪, 得到互叶白千层同一植株不同部位的油细胞的分布及油细胞中的主成分。 对各部位的显微镜观察发现在软枝干中不存在油细胞或者很少, 老叶中的油细胞没有新叶中的多。 在老叶油细胞上获得的谱峰中, 1 675和726 cm-1为4-萜烯醇的特征峰, 归属为CC伸缩振动和环的变形振动; 1 700和754 cm-1为γ-松油烯的特征峰, 归属为CC伸缩振动和环的变形振动; 1 609 cm-1为α-松油烯的特征峰, 归属为CC伸缩振动; 1 522, 1 156和1 011 cm-1为β-胡萝卜素的的特征峰, 分别归属为CC伸缩振动、 C—C伸缩振动和C—C面内摇摆振动。 在新叶油细胞上获得的谱峰中, 745 cm-1为顺香桧烯水合物的特征峰, 归属为环变形振动; 1 609 cm-1为α-松油烯的特征峰; 1 525, 1 160和1 008 cm-1为β-胡萝卜素的的特征峰; 老叶与新叶油细胞中的主成分不完全相同, 老叶中油细胞精油为γ-松油烯—4-萜烯醇-α-松油烯型, 而新叶中油细胞中的精油为顺香桧烯水合物-α-松油烯型。 老叶、 新叶的共有物为: α-松油烯、 β-胡萝卜素。 β-胡萝卜素及顺香桧烯水合物为首次在互叶白千层中发现。 利用该方法可迅速的确定植株油细胞的主成分, 为互叶白千层精油提取提供有益参考。

基于树叶样本的柑橘黄龙病近红外快速诊断技术已经被证明可行, 但目前的研究尚局限于以树叶为光谱采集部位。 树皮韧皮部作为病菌及特异性营养组分运送的主干道, 在黄龙病的病理机制、 病程发展中占据重要地位, 能够在疾病的早期阶段提供特异信息, 有助于疾病的早期诊断。 为了探索以树皮为样本建立黄龙病近红外检测技术的可行性, 分析不同采样部位对黄龙病近红外预测模型的影响, 设计了树叶、 树皮和综合（树叶+树皮）三种采样方案。 通过与标准正态分布法（standard normal distribution, SNV）、 多元散射校正法（multiple scattering correction method, MSC）、 一阶导数法（first derivative）和二阶导数法（second derivative）对比, 发现归一化法（normalization）对树皮光谱数据的处理效果最好。 分别采用偏最小二乘回归法（partial least squares regression, PLSR）和主成分回归法（principal component regression method, PCR）建立柑橘黄龙病预测模型, 发现预测集均方根误差（root mean square error of prediction, RMSEP）都在10-5量级, 并且树叶预测集均方根误差最小（RMSEP of leaves, 1.690 9×10-5）, 树皮均方根误差其次（RMSEP of barks, 1.889 0×10-5）, 综合均方根误差（RMSEP of composite samples, 2.567 6×10-5）最大; 预测集决定系数（the determination coefficient, r2）都在0.9以上, 并且树叶样本所建模型的决定系数最小（the determination coefficient of leaves, r2L, 0.939 6）, 树皮其次（the determination coefficient of barks; r2B, 0.941 5）, 综合样本所建模型的决定系数最大（the determination coefficient of composite samples; r2C, 0.960 3）, 说明三种采样方案所建立的模型都有很好的精度和预测能力, 以树叶为样本所得模型精度虽然最高, 但预测能力最弱, 而综合采样方案所得模型预测能力虽然最强, 但模型精度最低, 只有以树皮为样本所得模型的精度（RMSEPB=1.889 0×10-5）、 预测能力（r2B=0.941 5）都能保持在良好水平。 通过对比分析树叶、 树皮的原始光谱、 模型效果, 探讨了以树皮为样本建立柑橘黄龙病近红外快速检测技术的可行性, 为近红外光谱技术在黄龙病诊断方面的应用提供新的思路。

人体医学热红外图像直观反映了人体表面的温度分布，通过对红外图像进行深入分析能够提供智能化疾病辅助诊断依据。本文根据实际医学红外图像分析的需要，提出了上下半身图像拼接和人体部位划分两种预处理算法。在图像拼接阶段，根据图像采集环境的实际情况，首先对图像进行局部阈值分割，然后采用二值和灰度模板对上下半身图像进行对齐和融合。在区域划分阶段，通过对人体轮廓线进行极值点扫描确定部位区域关键点，并将人体图像划分成头部、躯干及四肢等区域。实验表明，本文所提出的红外图像预处理方法能获得满意的图像拼接及部位划分结果，可有效支持人体温度分布的定量及定性分析。

可溶性固形物（SSC）是一种综合参数, 主要包括糖、 酸、 纤维素、 矿物质等成分, 对评价果实成熟度和品质具有重要意义, 影响果实口感、 风味及货架期。 西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、 贮藏及运输过程中西瓜内部品质监控具有十分重要的意义, 有助于提高西瓜生产效益和市场竞争力。 在西瓜可溶性固形物含量的快速无损近红外光谱检测中, 近红外漫透射的方式所需光源的能量大, 同时大功率透射会对水果的内部品质产生影响; 采用近红外漫反射方式的研究较少, 但漫反射采集所需的能量小, 有助于实现仪器小型便携化, 成本低, 同时避免透射引起的水果品质变化。 以小型西瓜为研究对象, 利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、 瓜脐、 赤道部位的近红外反射光谱, 在976, 1 186和1 453 nm附近有明显的吸收, 利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。 首先, 采用光谱-理化值共生距离（SPXY）算法对西瓜不同检测部位的样品集进行划分, 以可溶性固形物含量为y变量, 光谱为x变量, 利用两种变量同时计算样品间距离, 以保证最大程度表征样本分布, 有效地覆盖多维向量空间, 增加样本间的差异性和代表性, 提高模型稳定性。 将西瓜样品划分为51个校正集和15个预测集, 校正集样本的SSC含量涵盖了预测集样本的SSC含量范围, 且变异系数均小于9%, 样品集划分合理, 有助于建立稳健可靠的预测模型。 其次, 对比分析西瓜瓜梗、 瓜脐、 赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度, 结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高, 预测效果较好, 预测集相关系数为0.629, 预测集均方根误差为0.49%。 对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题, 一方面与光谱的采集方式有关, 另一方面与西瓜的产地、 品种、 成熟期等因素引起的其性状上的差异有关。 在模型建立过程中根据实际情况确定西瓜的检测部位。 最后, 为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度, 采用光谱预处理方法进行优化, 结果得出经标准归一化预处理后, 建立的偏最小二乘回归预测模型效果最佳, 预测集相关系数为0.864, 预测集均方根误差为0.33%, 模型相关性较好, 预测精度得到了很大提升。 研究结果表明, 近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量, 为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。

当今中药市场上掺假现象屡见不鲜, 不良商贩利用三七须根粉末假冒主根和剪口粉末, 严重影响三七的质量与药效。 通过傅里叶变换红外光谱（FTIR）结合化学计量学建立三七主根、 剪口和须根粉末鉴别及四种皂苷含量快速预测模型, 为快速三七质量控制提供基础。 采集三七主根、 剪口和须根红外光谱, 超高效液相色谱（UPLC）测量样品中三七皂苷R1、 人参皂苷Rg1、 人参皂苷Rb1和人参皂苷Rd含量。 采用纵坐标归一化及二阶导数对原始红外光谱进行预处理; Kennard-stone算法将60个样本分为2/3训练集与1/3预测集。 训练集数据结合支持向量机（SVM）判别建立三七主根、 剪口和须根粉末鉴别模型, 最佳核函数c和g采用交叉验证进行网格式搜索, 预测集数据用于对判别模型进行外部验证。 正交信号校正偏最小二乘回归（OSC-PLSR）建立三七中四种皂苷含量预测模型, 红外光谱采用一阶、 二阶导数及Savitsky-Golay平滑5点、 7点、 9点、 11点预处理。 60个样本分为2/3训练集与1/3预测集, 训练集数据建立OSC-PLSR模型, 预测集数据对OSC-PLSR模型的预测结果进行外部验证。 结果显示: （1）二阶导数可有效的分离原始谱图的叠合隐蔽谱峰, 并提高谱图的分辨率; （2）交叉验证网格式搜索计算出最佳核函数c=2.828 43, g=4.882 81×10-4, 此时训练集判别正确率为100%; （3）SVM判别模型核函数设置为最佳核函数, 预测集数据外部验证正确率为100%, 所有样本均被正确鉴别; （4）三七皂苷R1、 人参皂苷Rg1、 人参皂苷Rb1和人参皂苷Rd最优含量预测模型预测值与UPLC检测值接近, 预测效果良好。 FTIR结合SVM判别能对三七主根、 剪口和须根粉末快速鉴别, 结合OSC-PLSR能对四种皂苷含量进行准确预测。 该方法准确可靠, 可为中药材三七提供快速有效的质量控制。

由于部分毒菌与野生食用菌形态和生物学特征相似, 农民仅凭经验采集, 难免将两者混淆, 从而导致严重的食品安全事故。 云南省作为国内野生食用菌产量最高、 出口量最大的省份, 野生食用菌产业发展为云南农村经济发展做出了突出贡献, 对不同种类野生食用菌进行快速鉴别, 有利于野生食用菌产业的健康发展; 分析食用菌亲缘关系, 对食用菌育种工作具有积极作用。 七种牛肝菌样品, 采自云南及周边七个产地, 利用FTIR光谱仪分别采集菌柄和菌盖红外指纹图谱, 基于低级与中级数据融合策略, 将预处理后的菌柄和菌盖FTIR光谱数据进行融合, 结合Decision Trees, Discriminant Analysis, Logistic Regression Classifiers, Support Vector Machines, Nearest Neighbor Classifiers和Ensemble Classifiers中的17种算法, 分别建立菌柄、 菌盖、 低级数据融合和中级数据融合模型, 每个分类模型连续进行10次运算, 通过比较训练集分类正确率平均值, 确定牛肝菌种类鉴别最佳分类算法。 中级数据融合数据集进行系统聚类分析(HCA) , 对推测不同种类牛肝菌样品的亲缘关系进行鉴定。 结果显示: (1) 菌柄、 菌盖和低级数据融合模型最佳分类算法均为Linear Discriminant, 训练集分类正确率分别为92.8%, 96.4%和97.6%。 中级数据融合模型最佳分类算法为Subspace Discriminant, 训练集分类正确率为100%; (2) 菌柄、 菌盖、 低级数据融合和中级数据融合最佳分类模型, 全部样品分类正确率平均值分别为93.61%, 95.54%, 96.99%和99.88%, 中级数据融合模型优于其他三种模型, 表明中级数据模型可以将相似度较高的样品区分开, 且减少了产地对种类鉴别的影响; (3) 中级数据融合模型数据集进行HCA, 华丽牛肝菌和美味牛肝菌聚类距离最小, 表明这两种牛肝菌化学信息较相似, 亲缘关系较近; (4) 华丽牛肝菌与皱盖疣柄牛肝菌聚类临界值距离最大, 表明样品化学信息差异较大, 亲缘关系较远。 综上表明, 基于中级融合策略将不同部位FTIR光谱数据融合, 结合Subspace Discriminant与HCA, 可以准确鉴别不同种类牛肝菌和快速推测样品亲缘关系, 可作为野生食用菌种类鉴别与亲缘关系推测的一种新方法。

针对运动平台上头部姿态测量问题, 提出一种可以获得更快测量速度、更高测量精度的综合测量方法。通过卡尔曼滤波将分别由视觉测量和微惯性测量得到的头部姿态数据进行数据融合。利用视觉测量对微惯性测量进行校正, 综合了视觉测量方法误差不随时间变化与微惯性测量方法测量速度快、测量范围大的优点, 抑制了惯性测量随时间累积产生的无约束发散误差, 克服了视觉测量方法范围受限、容易受到干扰的缺点, 并经过试验分析与仿真, 得到了验证。