Mg_xZn_(1-x)O复合薄膜带隙展宽的研究

利用溶胶-凝胶旋涂工艺在普通玻璃基底上生长本征ZnO薄膜和Mg_xZn_(1-x)O复合薄膜.采用X射线衍射仪(XRD)、紫外可见分光光度计(UV-vis)、光致发光(PL)等测试手段对样品进行表征,分别对半导体合金薄膜的晶格参数与结构、结晶质量、光学透过率及其禁带宽度进行分析与研究.比较Mg_xZn_(1-x)O薄膜与本征ZnO薄膜的XRD图谱后发现,Mg元素可提高薄膜的结晶质量,但是复合薄膜的c轴择优取向没有因为Mg元素的引入而得到改善.随着Mg元素掺杂量的增加,Mg_xZn_(1-x)O(x=0.10、0.20、0.30)复合薄膜的带隙随之变宽,薄膜组分为Mg0.20Zn0.80O和Mg0.30Zn0.70O时,光致发光谱中出现了强度较大的紫外发光峰,组分为Mg0.20Zn0.80O薄膜的带隙展宽效果较为明显且光学透过率较优.     

基于深度学习和遥感影像的松材线虫病疫松树目标检测

针对传统的松材线虫病大范围监测方法耗费高、效率低的问题,研究基于高分辨率无人机遥感影像,采用深度学习方法对病疫区染病松树进行目标检测及地理定位.建立病疫松树样本数据集,采用YOLO目标检测模型,通过锚框尺寸重算、模型迁移学习等方法进行样本训练.将大幅影像进行滑窗分割、逐个检测、NMS重叠处理、坐标转换之后,得到研究区内...     

Openfire二次开发问题分析及解决

随着计算机技术的迅猛发展，开源软件的二次开发利用逐渐成为进行快速开发的主要手段。本文针对利用开源软件Opertfire二次开发搭建即时消息系统平台时遇到的问题，提出了相应的解决方案，并阐述了这些方案的实现。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

种好中药材需要注意六个问题

合理种植中药材可以发家致富，但由于各种原因导致收益不理想，甚至赔钱的人也不少。到底是哪些问题是药农朋友们致富之路上的障碍呢？笔者结合河北安国市中药材研究协会工作中遇到的实际情况和经验，认为以下几个问题对药农朋友较为重要，现总结如下：     

深基坑开挖对邻近住宅楼的变形影响分析

【目的】深基坑工程中土体的开挖卸荷会导致土体位移变形,可能引起周围建筑物变形,因此有必要对深基坑开挖对邻近宅楼的变形影响进行分析。【方法】本研究以郑州某深基坑工程为例,在采取上部土钉墙、下部桩锚支护的联合支护方式下,使用FLAC3D对基坑的开挖过程进行数值模拟,探究不同工况下基坑开挖对周边土体和邻近建筑物的影响。【结果】研究发现：沉降量随着距基坑边缘距离的增加而减小,最终降低为零;沉降量和围护体的水平位移随着基坑开挖深度的增加而增大;邻近建筑物的沉降随着基坑开挖的加深而增大,随着距基坑边缘距离的增大而减小。【结论】本研究验证了该支护方式的可行性。     

独柱墩桥梁抗倾覆分析与加固研究

为减小因车辆偏载、温度作用等可变作用对独柱墩桥梁产生的倾覆破坏,在总结先前学者和专家对独柱墩桥梁抗倾覆分析及加固研究的基础上,以支座反力法和稳定系数法为理论依据,采用Midas/Civil有限元软件对加固后的独柱墩现浇连续箱梁桥进行倾覆稳定性分析。结果表明：两种加固方法都可以提高桥梁的横向抗倾覆性能,采用增设盖梁和支座与采用增设抗拔约束装置加固方法相比,独柱墩支座受压承载力明显减小,稳定系数大幅度提高,独柱墩被加固后的3支座体系可改善桥梁结构受力状态,增设盖梁和支座加固法对独柱墩桥梁抗倾覆安全性优于增设抗拔约束装置加固法。     

基于孪生神经网络的小样本目标检测综述

目标检测是计算机视觉的基础任务之一,其主要任务是对图像中的目标进行分类和定位。小样本目标检测的目的就是利用极少数的训练样本实现对目标的检测,从而减少繁杂的标注工作,并实现在只有少量样本场景下的应用。现有的小样本目标检测方法主要包括基于孪生神经网络的方法和基于微调的方法,这些方法通过利用现有的包含大量样本的基类数据集和包含少量样本的小样本数据集的训练,使模型实现对小样本类别的分类和定位。重点调研了基于孪生神经网络的双分支小样本目标检测方法,简要介绍了基于微调的小样本目标检测方案,分析了这些方案的优缺点,指出现有的小样本目标检测方案虽不成熟,模型精度有待提升,性能评估方案也有待完善,但却有着十分广阔的应用前景,未来若能通过深入研究解决小样本目标检测的现有问题,其精度必将赶超传统目标检测。     

基于VTK实现二维医学图像的三维可视化系统

给出了实现医学图像三维重构的可视化方法,研究了实现二维医学图像的三维可视化系统的整体流程和管理模块.     

组蛋白甲基化的阅读器识别机制研究进展

 组蛋白甲基化修饰对遗传信息解读有着重要影响,是表观遗传调控的主要机制之一。组蛋白甲基化可以被一类称作"阅读器"的结构域所特异识别并介导下游生物学事件。本文综述了目前已知的组蛋白甲基化阅读器(包括"皇室家族"成员、PHD锌指及BAH 等结构域)的结构特征及其对于甲基化修饰位点和程度特异性识别的分子基础。另外,探讨了表观遗传修饰调控中的组合识别、修饰对话等概念与机制。