3-吲哚乙酸印迹聚合物的制备及其分子识别性能

以IAA为模板分子,4-乙烯基吡啶(4-Vpy)为功能单体,乙腈为致孔剂,采用本体聚合方法,制备了IAA的印迹聚合物P(4-Vpy),用色谱法评价了其分子识别性能,并且与同样条件下以丙烯酰胺(AA)为功能单体合成的IAA印迹聚合物P(AA)进行了比较。结果表明,乙腈为流动相时,P(4-Vpy)比P(AA)对IAA具有更高的印迹效率,对IAA表现出了更好的分子识别能力。流动相对P(4-Vpy)分子识别能力的影响实验证明,静电作用在其分子识别过程中起重要作用。两种不同用量的乙腈为致孔剂制备所得IAA印迹聚合物P(4-Vpy)和P`(4-Vpy)的色谱测定结果表明,致孔剂的加入量对其印迹效率有显著影响。     

选择性富集分离虎杖中白藜芦醇苷的分子印迹聚合物的制备及分子识别性能研究

以白藜芦醇苷(POL)为模板分子,分别以丙烯酰胺(AM)、4-乙烯基吡啶(4-VP)、甲基丙烯酸羟乙酯(HEMA)、甲基丙烯酸(MAA)为功能单体,二甲基丙烯酸乙二醇酯(EGDMA)为交联剂,偶氮二异丁腈(AIBN)为引发剂,采用本体聚合法制备白藜芦醇苷分子印迹聚合物。采用静态平衡结合实验研究了印迹聚合物对模板分子及不同底物的识别性能。结果表明,以丙烯酰胺为功能单体的印迹聚合物(MIP1)对模板分子的识别性能最好,其次是以4-VP为功能单体的聚合物(MIP2),以HEMA为功能单体的聚合物(MIP3)以及以MAA为功能单体的聚合物(MIP4)的分子识别性能较差。表明功能单体与模板分子之间相互作用的强弱对MIP的识别能力有较大的影响。静态平衡结合法以及Scatchard分析法表明,MIP1对模板分子呈现较好的结合能力和选择性,该印迹聚合物中形成了2类不同的结合位点,离解常数分别为7.43×10-5、3.70×10-3mol/L。将MIP1用于虎杖提取物中POL的固相萃取分离,效果良好。     

批量高速二维码视觉检测识别系统

针对工业实际项目提出一种高效、准确的二维码识别方法,并开发了基于机器视觉的二维码高速、批量识别系统。首先根据被测二维码在目标子空间内的位置,提出利用几何关系定位每个二维码感兴趣区域并批量处理二维码的方法。在此基础上,采用添加高斯噪声的方式模拟生产实际中可能产生的噪声,评估系统抗噪能力。最后分析系统识别率与二维码运动速度的关系并比较实验结果。通过实验验证,在1800张的测试数据集中,二维码移动速度在296.8 mm/s情况下,无噪声图像中每个二维码定位识别平均时间为17.8 ms,有噪声图像为21.3 ms,识别率均为100%,该系统满足实时在线检测需求。     

基于傅里叶变换的细胞牵引力测量研究

为了更快、更直观地进行细胞牵引力的测量,提出了一种基于傅里叶变换的细胞牵引力测量方法。首先,对微柱阵列的像进行二维快速傅里叶变换得到其空间频谱;其次,选取一级衍射斑点中的一个斑点做快速傅里叶逆变换,得到微柱阵列的幅值分布图;最后,由幅值突变的分布情况及突变的剧烈程度得到微柱阵列偏移量的分布情况,再乘微柱刚度即可得到细胞力的分布。通过仿真实验探究了频点选择、滤波窗口大小、偏移点大小对实验结果的影响,在此基础上对细胞-微柱高倍显微图进行了测量。实验结果表明,该方法在结果呈现方面不亚于质心法,测得的各区域最大细胞力的相对误差在17.37%之内,各区域平均细胞力的相对误差在7.93%之内,运算速度也比质心法快近10倍。     

基于机器视觉的干涉条纹检测

基于机器视觉系统OpenMV,以迈克耳孙干涉仪干涉条纹为研究识别对象,根据光源相干性及干涉条纹动态特性,提出基于灰度采样统计的干涉条纹识别检测算法(干涉条纹同心形态搜索算法),运用MicroPython或Python语言编制实时检测程序,运行结果表明仿真和真实干涉条纹都得到了可靠的检测,精度为0.5个条纹,并且测量不确定度主要由算法制定的此条纹检测精度引起,证明了干涉条纹机器视觉检测方法和技术的有效性.     

时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数。本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型（KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程）的方程系数恢复,将贝叶斯稀疏恢复结果与PDE-FIND稀疏恢复算法进行比较,证实贝叶斯稀疏识别方法对偏微分方程具有非常强的稀疏恢复能力。同时,研究中发现贝叶斯稀疏方法对噪声更敏感,可以识别更多的附加项。此外,贝叶斯方法可以直接得到稀疏恢复解的误差方差,由此可以直接判定稀疏恢复的效果和可靠性。     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

基于人工标志识别的透射仪自动准直系统

目前大气透射仪存在发射端和接收端安装调校困难的问题,并且在工作过程中,发射端和接收端一旦发生偏移,光轴不处于一条直线,将大大影响能见度测量结果。针对这些问题,提出将近景摄影测量技术应用到大气透射仪的对准系统中,采用圆形作为人工标志物,通过图像处理及椭圆最小二乘拟合算法,计算人工标志物的圆心坐标,根据标志物的圆心坐标与摄像机镜头的中心坐标的位置关系,将发射端和接收端的摄像机镜头的中心通过旋转结构拉倒图像中心;由于摄像机与光轴是同轴设计,所以摄像机镜头对准就是实现了光轴的对准。实验证明,利用近景摄影测量技术能够实现大气透射仪快速准确对准,并且能够实时监控保证光轴始终保持一条直线。