太阳系外行星的研究现状*

太阳系外行星探测是当今国际天文学研究的热点,其探测方法分为间接探测和直接成像。目前,已发现的上千颗系外行星主要是通过视向速度法和凌星法等间接方式探测到的,而直接成像技术将有望获取行星温度、大气等更全面的物理信息。其中,通过对类太阳恒星宜居带内的类地行星进行成像观测和大气光谱分析,将有望捕获太阳系外生命信号,进而解答“人类在宇宙中是否孤立？”这一基本科学问题,从而突破人类对生命的现有认识。因此,该领域的研究具有较高的公众关注度。     

基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

X射线安检技术的概念及发展应用

X射线安检技术可以对物质的微观特征进行检测,在对危险品的检测中起着重要作用,是一项重要的安检方法,并且广泛应用在各种交通站点中。文章阐述了X射线安检技术的基本原理,并且指出X射线安检技术在目前应用中存在的问题和将来发展的方向。     

无线传感器网络中极大极小设置的分布式检测研究

在分布式检测系统中,无线传感信道普遍存在未知的噪声,而基于最大似然函数的融合在有未知的噪声时性能表现较差.为了提高信号检测的准确性,提出一种基于极大极小方法设置的鲁棒融合规则.该规则采用最大似然函数的融合算法的结构形式和Huber极小极大的方法,得到虚警概率和检测概率表达式,适用于信道噪声为非衰减噪声分布、有界方差的噪声分布和混合高斯噪声分布.对多传感器并行分布式检测系统的仿真与分析,表明了该融合算法可提高信号检测的准确性,同时也具有一定的鲁棒性.     

基于D-S证据理论的不确定数据清洗

数据清洗的任务是检测数据中存在的错误、缺失或不一致,通过删除、填充、修改等方法提高数据质量.针对存在元组级不确定性的数据表上的选择投影连接操作,基于D-S证据理论中置信区间的概念,给出辨识框架构建和置信区间计算的方法,提出了一种基于待测数据项置信区间来检测查询结果中错误数据的方法.实验结果表明,提出的不确定数据错误检测方法具有高效性、准确性和可用性.     

石墨烯量子点对对苯二酚的检测

以柠檬酸为碳源,采用一步熔融法制备了石墨烯量子点,通过红外光谱、紫外-可见吸收光谱、荧光光谱对其光学性能进行表征,同时考察了石墨烯量子点耐光漂白能力和抗盐性. 该石墨烯量子点可应用于对苯二酚的检测,其荧光强度与对苯二酚浓度成良好的线性关系(R²=0.979),方法的检测限为3.1 nmol·L^-1, 线性范围为1.0×10^-7~5.0×10^-6 mol·L^-1.     

蛇足石杉中石杉碱甲含量测定及其时空动态

采用 HPLC 法首次测定江西庐山和井冈山蛇足石杉不同时期、不同组织部位中石杉碱甲（HupA）的含量.结果表明,蛇足石杉中 HupA 含量随着季节的推移逐渐增加,庐山和井冈山蛇足石杉植株 HupA含量均在每年12月达到最高,分别为211.9μg·g -1和325.9μg·g -1.蛇足石杉中不同组织部位 HupA含量各不相同,茎部和叶部 HupA 含量较高,且表现出相同的变化趋势,根部含量较少.本研究揭示了蛇足石杉中 HupA 含量的时空动态变化规律,从而为合理利用该稀缺植物资源提供科学参考.     

基于瞬变电磁法的整合矿井火区分布探测方法

 针对资源整合矿井火区探测中普通探测技术耗时长、工程量大,且难以直接定位火区范围等问题,研究了基于瞬变电磁法的火区分布探测方法。以北祖矿为例,在井下全空间条件下,结合地质资料和现场地质情况,采用瞬变电磁仪对北祖矿9209 风巷上覆煤层进行超前探测和剖面探测,反演计算形成超前、剖面视电阻率图,根据巷道上覆煤层在视电阻率图中的响应特征,通过定性分析确定巷道上覆煤层的自然发火区域。结果表明,基于瞬变电磁法的整合矿井火区分布探测方法能够准确定位火区分布范围,可为打钻探测及灌浆堵漏等矿井防灭火工程提供科学依据,明显提高工程效率及效果。     

张量曲率边界识别方法在煤田火烧区磁异常中的应用

 为了准确识别煤田火烧区边界位置,对火烧区磁异常进行更加精细的解释,将张量曲率边界识别方法引入到煤田火烧区磁异常的解释中,探讨分析煤田火烧区磁异常的张量曲率特征.根据煤田火烧区磁异常的特点,利用张量曲率的较大特征值和较小特征值分别圈定煤田火烧区和正常区.模型试验中,通过与常用的Theta 图以及垂向导数等方法对比,体现了张量曲率分析方法在地质体边界识别中的优越性,验证了该方法在火烧区边界识别中的有效性.将该方法应用于乌达某煤田实测磁异常数据的解释,发现利用该方法圈定的火烧区范围和其他勘探结果以及已知地质资料相符,说明该方法可以准确有效地识别煤田火烧区和正常区边界范围,为煤田火烧区的磁异常解释提供很好的依据.     

基于区域生成网络结构的多层特征融合目标检测算法

现有深度学习目标检测算法往往只利用了卷积神经网络(convolutional neural network,CNN)提取的深层特征进行判别,对浅层特征利用不足。为了利用浅层的细节信息来提高最终所提取的特征层信息的丰富性,提出了一种基于区域生成网络(region proposal network,RPN)结构的多层特征融合目标检测算法,该算法通过深度卷积网络获取不同层次的特征,并将浅层特征与深层次特征进行融合来获得更加丰富的提取特征,以提升检测模型的性能。以Image Net上的公开数据voc2007为实验对象,以Faster RCNN为基础的检测框架进行改进,最终改进后的平均精度均值(mean average precision,mAP)相比于Faster RCNN有所提升,表明研究结果提升了目标检测模型的准确度。