PET基片上射频磁控溅射不同厚度ITO薄膜的光电学特性

采用射频磁控溅射技术,室温下在PET柔性衬底上沉积不同厚度的掺锡氧化铟(ITO)薄膜,样品的结构、形貌和光电学性质分别用X射线衍射仪、原子力显微镜、分光光度计和Van der Pauw方法测量.实验结果表明:在其它参数不变的条件下,随着溅射时间的增加薄膜的厚度增大,而薄膜的颗粒大小和表面粗糙度也随之变大;方块电阻、电阻率随样品厚度的增加而减小,相应的迁移率减少,载流子浓度变大.当样品厚度为148 nm时,样品的方块电阻为26.5 Ω·口-1、迁移率为19.1 cm2 ·V-1 ·s-1、载流子浓度为8.43×1020 cm-3.     

荧光磁粉探伤自动缺陷识别方法研究

针对荧光磁粉探伤的人工观察识别过程中工作量大、效率低、准确性低及健康危害严重等问题,提出一种新的自动化图像处理与缺陷识别方法。通过分析磁痕图像,设计了一种基于Photoshop中"色彩范围"选择功能的彩色图像分割算法;基于图像形态学提出图像去噪与还原算法;在区域生长理论的基础上进行相关优化,实现单个连通区域的高效提取;基于真伪信号的特征差异设计了缺陷识别方法。以样本图片为例,在集成了OpenCV的VC环境下进行了算法调试,结果显示:彩色图像分割模块滤除了原始图像中由于紫外灯光照射形成的蓝紫色区域和附着磁粉形成的暗绿色区域等干扰信号;开运算后图像中的斑点噪声已经完全被去除,部分细小区域在开运算过程中被断开,导致图像失真;通过闭运算图像得到了还原,图像特征指标保持良好;在识别效率显著改善的同时,识别方法的通用性与准确性也都得到了明显提高。     

漳州护理学院药用植物园规划初步设想

本规划初步设想以"神农架"为主题,"五行"学说为格局,古典园林为风貌,教育教学为宗旨,把科学知识、自然风景与人文景观有机地融合,既满足药用植物的科学研究、保护、展示和教育功能,同时又传承中医药文化知识和发扬中国古典园林精髓,使漳州护理学院药用植物园成为集合科研、教学、科普、观赏、药疗为一体的可持续发展的园林景观.     

新显色剂TCCPA分光光度法同时测定Bi~(3+)Ca~(2+)—数据的BASIC语言程序处理法

<正> 新显色剂是我们近年来合成的试剂,全名是[2-(4-氯-2-磷酸基苯偶氮)-7-(2、4、6-三氯苯偶氮)-1,8-二羟基-3,6-二磺酸萘],它属于不对称变色酸双偶氮磷类化合物,结构式为:     

数字散斑相关法测量连续位移的原理与实验

提出用数字散斑相关方法测量移动物体的连续位移.激光照射粗糙表面形成散斑场,用CCD记录粗糙表面移动时的序列散斑图像,利用数字散斑相关方法分析散斑图像,确定粗糙表面的位移.研究结果表明,数字散斑相关技术可以高精度地测出连续移动物体的位移.     

高阻硅片对紫外LED散热性能的影响研究

紫外LED因光谱单一、体积小、冷光源、无热辐射等特点逐渐取代传统汞灯,并广泛应用于油墨固化、医学光疗、消毒杀菌等领域,而功率型紫外LED器件散热问题是制约其性能提高和应用的瓶颈。基于陶瓷大功率LED封装平台制备了引入高阻硅片功率型紫外LED器件,研究发现引入高阻硅片的紫外LED的器件具有较高的光功率,但其热阻及结温均高于无硅片紫外LED,这归因于加入高阻硅片结构增加了芯片散热的传导路径。该工作对实际工业封装技术路线具有指导意义。     

加强校园文化建设，优化育人环境

加强校园文化建设，优化育人环境赖琼英江泽民总书记曾经指出“精神文明建设，说到底是要提高全民族的素质，培养有理想，有道德、有文化、有纪律的社会主义新人。”学校是培养“四有”新人的重要阵地。校园文化环境如何，直接关系着对青少年一代的培养。因此加强校园文化...     

不同处理对单性木兰种子萌发的影响

研究不同温度的水、赤霉素(GA3)、双氧水(H2O2)和浓硫酸浸种处理对单性木兰(Kmeria septentrionalisDandy)种子萌发的影响。水温设室温下40℃、60℃、80℃,处理24h;赤霉素浓度有100mg/L、200mg/L、300mg/L,处理时间分为24h和48h;双氧水浓度有1%、3%、6%,处理时间为24h。每个处理均设3个重复,每个重复30粒种子。清水(约20℃)浸种处理为对照。结果表明:温水(40℃、60℃),GA3(100mg/L、200mg/L、300mg/L)及H2O2(1%、3%)浸种处理均可促进单性木兰种子萌发,提高种子发芽率,其中以200mg/L GA3处理48h效果最好,发芽率达61.1%。浓硫酸和80℃的热水浸种处理会损伤种胚,抑制种子发芽。     

基于极端学习机的胶囊缺陷检测

针对胶囊常见的凹陷缺陷进行不变矩分析,提取胶囊的偏心率和圆形度为特征变量,提出一种基于极端学习机的胶囊缺陷检测与识别的方法,对胶囊进行检测分类.仿真结果表明基于极端学习机的胶囊分类算法能很好地区分出具有缺陷的胶囊,分辨正确率接近100%,运算速度比BP神经网络更快,训练过程稳定,也说明所提取的特征能很好区分有凹陷与无凹陷胶囊.