表面微放电具有化学反应丰富、产物多样、处理面积大等特点,因而被广泛的应用到诸多领域中。表面微放电的产物模式转换规律以及开发低成本快速在线模式识别方法是其在实际应用中面临的关键问题。表面微放电的不同产物模式适用于不同的应用场景,应用表面微放电首先需要确定其产物模式,然而目前对表面微放电的产物模式转换规律研究不足,缺乏对表面微放电的放电特性的深入认识。同时,传统的表面微放电产物模式识别方法存在检测成本较高、检测方式复杂以及检测耗时较长等缺点,亟需开发新的识别方法。因此,本文主要围绕表面微放电产物模式转换规律以及基于可见光图像的智能诊断等方面进行了相关研究,具体如下:（1）针对表面微放电特有的放电结构,建立了表面微放电的等效电路模型,通过该电路模型计算出的表面微放电的放电功率与实验测量的放电功率之间的最大误差不超过7%。基于所提出的等效电路模型,分析了表面微放电的电子温度、电子数密度、等离子体通道电阻等特性参数随放电时间的变化规律,实现了宏观放电参数与微观等离子体特性参数的跨尺度关联。基于此等效电路拓扑结构及相关电学参数的计算结果,建立了基于Simulink的动态仿真模型,分析了表面微放电的放电功率、气隙电压、介质片表面电压等放电参数的特性。（2）研究了介质片参数对表面微放电的击穿电压、放电功率、产物模式转换及产生氮氧化物的能量消耗的影响。实验结果表明,介质片的厚度与放电功率呈负相关,介电常数与放电功率呈正相关,增大介电常数和减小介质片的厚度可以有效降低表面微放电的击穿电压、产物模式转换电压以及产生氮氧化物的能量消耗。当介质片参数保持不变时,随着外加电压的增大,表面微放电产生氮氧化物的能量消耗呈现出先减小后增大的变化规律。（3）基于数字图像处理技术,分析了表面微放电的放电可见光图像的色度信息和灰度信息与其产物模式的关联特性。放电图像的RGB色度空间和XYZ色度空间分析结果表明,表面微放电灰度图像、R、G、B和X、Y、Z三基色图像中所有像素值的总和可用于电源电压和放电功率的实时跟踪,B分量和G分量的占比差值以及Z色品坐标和Y色品坐标之间的差值随电源电压的变化曲线可以用于表面微放电产物模式的识别,此外,色品坐标的运动轨迹也可作为识别表面微放电不同产物模式的重要依据。放电图像的灰度直方图分析结果表明,随着表面微放电的产物模式由臭氧模式向非臭氧模式转变,灰度直方图的分布曲线逐渐向大灰度级转变。灰度直方图的均值、方差、能量、熵和一致值等特征的分布范围可用于表面微放电产物模式的划分,同时,本文提出了基于熵和一致值分布特性的表面微放电产物模式识别方法。（4）基于放电可见光数字图像,提出了一种基于深度学习的表面微放电产物模式在线识别方法。通过数码相机拍摄表面微放电在不同放电条件下的放电图像,构建了表面微放电的放电图像数据库。讨论了卷积神经网络的典型结构,研究了网络层数、卷积核的大小、激活函数的类型和全连接层神经元的个数等超参数对识别精度的影响,并通过训练获得了适用于表面微放电产物模式识别的卷积神经网络最优结构。测试结果表明,本章所提出的卷积神经网络对表面微放电产物模式的识别精度高达99.745%,明显优于支持向量机、决策树和随机森林等传统机器学习算法。（5）针对现有脱细胞瓣膜的应用缺陷,采用表面微放电对脱细胞猪心瓣膜的力学性能进行改善。首先,采用基于深度学习的表面微放电产物模式识别方法对所使用的表面微放电装置的产物模式进行了识别并验证了此方法的有效性,然后将分别工作于非臭氧模式和臭氧模式的表面微放电装置对脱细胞猪心瓣膜进行处理。实验结果表明,当表面微放电处于非臭氧模式时,其能有效提高脱细胞瓣膜的最大抗张强度和杨氏模量,而臭氧模式对脱细胞瓣膜没有任何影响。非臭氧模式处理后的脱细胞猪心瓣膜,其微观结构没有发生任何改变,没有毒性,含水量不变。表面微放电产生的活性物质与脱细胞猪心瓣膜之间的化学反应和p H的变化是瓣膜力学性能提高的可能原因。