阴极射线电子激发下Sr5(PO4)3Cl:Eu2+蓝色荧光粉的发光研究

Eu2+激发的氯磷酸锶荧光粉一直是一种传统的灯用荧光粉, 合成了蓝色荧光粉Sr5(PO4)3Cl?Eu2+, 并研究了在电子激发下的发光特性, 此外还对碱土金属Ca2+, Ba2+等共同掺杂之后对发光性能的影响及原因进行了分析, 当在中-低电压工作下, 对其在不同电流密度的电子束激发下的发光亮度和饱和特性进行了测量.     

HPMBP与N_（503）协同萃取钯（Ⅱ）的研究

研究了ＨＰＭＢＰ与Ｎ５０３的氯仿溶液从硝酸介质中协萃钯（Ⅱ）的性能．用斜率法和等摩尔系列法确定萃合物组成为（ＣＨ３ＣＯＮＨＲ２）Ｐｄ（ＰＭＢＰ）３；求得该协萃反应的平衡常数及协萃配合物的生成常数分别为：ｌｇｋ１２＝１．５４，ｌｇβ１２＝２．３９．考察了温度对协萃平衡的影响，测定了协萃反应的热力学函数．     

食用D－葡萄糖酸－δ－内酯

讨论了口服葡萄糖经黑曲霉发酵制取葡萄糖酸钠，再经钙化、酸化、酯化、浓缩、洗涤、干燥制成Ｄ－葡萄糖酸－δ－内酯的工艺条件。     

α~5的正交归一本征态的某些非经典特性研究

本文计算了α~5的五个正交归一本征态的相位起伏和粒子数—相位不确定关系,并讨论了它们的特性和产生粒子数-相位不确定关系的条件,还研究了这五个本征态的N阶压缩。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。     

基于改进YOLOv5的遥感图像飞机目标检测

针对遥感图像中飞机检测尺寸大小不一、背景复杂导致的难以识别问题,提出一种基于YOLOv5网络模型的改进方法。首先,在YOLOv5网络模型中融入Swin-Transformer模块,使网络全局建模并使全维度信息交互,以提升网络的特征提取能力;其次,对损失函数进行优化,引入SIOU损失函数以考虑真实框和预测框之间的向量角度问题。对比实验表明,优化前后网络模型检测精度均为95.3%。在检测精度相同的情况下,改进后的网络模型召回率为91.2%,比改进前提升0.6个百分点;改进后平均检测精度mAP_0.5为95.7%,比改进前提升0.2个百分点。结果表明,改进后的YOLOv5网络模型能在一定程度上提升遥感图像中飞机目标检测性能。