深度学习在超声检测缺陷识别中的应用与发展*

深度学习（Deep Learning）是目前最强大的机器学习算法之一,其中卷积神经网络（Convolutional Neural Network, CNN）模型具有自动学习特征的能力,在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史,然后综述了深度学习在超声检测缺陷识别中的应用与发展,从早期浅层神经网络到现在深度学习的应用现状,并借鉴医学影像识别和射线图像识别领域的方法,分析了卷积神经网络对超声图像缺陷识别的适用性。最后,探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题,及其主要应对策略的研究方向。     

固体板中超声驻波场的高阶光弹条纹

利用动态光弹法观测了超声波在固体板内多次反射形成的驻波。通过相干叠加增大声波应力,使得动态光弹实验中偏振光的相位变化大于一个周期,从而观测到固体内超声波由行波转化为驻波的过程,并对高阶干涉条纹反映的驻波场特性进行了讨论。通过对声波应力进行定量测量,评估了固体板中超声驻波的激发效率。本文的工作为利用动态光弹法研究透明固体中的高强度声波提供了一种可行的方法。      

类锌Au~(49+)离子电子碰撞激发速率系数的研究

利用全相对论扭曲波方法和研究电子碰撞激发过程的计算程序REIE06系统计算了类锌Au~(49+)离子从基态(3s~23p~63d~(10)4s~2)的4s、3d、3p和3s电子激发到4 l(l=p、d、f)和5 l(l=s、p、d、f)的碰撞激发强度,研究了在不同入射电子能量下碰撞强度的变化规律,通过对类锌Au~(49+)离子涉及金激光等离子体M带谱,3d→4f和3d→5f电子碰撞激发速率的计算,分析了等离子体中电子温度对碰撞过程的影响.部分计算结果与其它理论及实验结果进行了比较,取得了很好的一致性.     

再议塞曼效应的理论解释

塞曼效应是原子在磁场中能级和光谱发生分裂的现象. 采用3种方法对塞曼效应进行解释, 比较它们 的异同. 并着重运用微扰理论方法, 对正常塞曼效应和反常塞曼效应进行比较, 使学习者对塞曼效应本质的认识更 加深入     

裂纹尖端超声散射场及动应力集中的动态光弹观测

超声波在裂纹尖端发生散射和动应力集中。深入研究裂纹尖端与超声波的相互作用是进行裂纹精确检测与评价的物理基础。在线性声学范畴内,裂纹尖端的散射场与弹性动力学的经典Lamb问题类似,而非线性响应更加复杂。利用动态光弹观测技术,可给出超声波在裂纹尖端散射过程的直观物理图像。无论是用于理论结果的实验验证,还是定量分析线性散射场和动应力集中现象,抑或深入探索非线性响应,动态光弹观测技术都可起到重要作用,因此,相关研究将促进检测声学与无损检测技术的发展。      

将功能纳米材料发展前沿融入实验教学——隐形荧光墨水的制备

为了让学生了解纳米材料的性质和用途，开发了一个研究型综合性实验——隐形荧光墨水的制备。通过微波反应快速地制备了一种新型的氮掺杂碳量子点，克服了碳量子点制备繁琐的难题，使碳点的制备能够在实验教学中得以实现，利用透射电镜、X射线衍射、红外光谱以及X射线能谱对碳点的结构和形貌进行表征，利用紫外-可见-近红外光谱仪和荧光光谱仪研究碳点的稳定性和光化学性能；并将该碳点制作成隐形荧光墨水，增加了实验的趣味性和实用性。学生实验证明该综合性实验适用于本科生实验教学。     

火焰原子吸收法测定人胸水中铜,锌,铁含量的研究

本文用火焰原子吸收光谱法研究测定了人（肺结核、肺癌）胸水中铜、锌、铁。测定肺结核胸水２１例，该胸水中铜、锌、铁含量平均值分别为０．７１±０．０８ｍｇ／Ｌ，４．７８±０．１８ｍｇ／Ｌ，３．２２±０．１５ｍｇ／Ｌ。肺癌胸水２１例，其胸水铜、锌、铁含量为０．９８±０．０９ｍｇ／Ｌ，３．８０±０．１６ｍｇ／Ｌ，５．３５±０．２１ｍｇ／Ｌ。该方法的回收率为９５．２１％－１０５．５４％。相对标准偏差小于４．８４％。     

关于热膨胀佯谬

论述热膨胀并没有佯谬问题，所谓“线膨胀的著名佯谬”实为一个误解。     

正线性方程组正解的判别

本文给出了正线性方程组正解的概念，给出了正线性方程组正解的若干判别方法