基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

“联用技术及元素形态”国际课程探索与实践*

充分利用线上教学的优势,对化学院本科生开设了“联用技术及元素形态”国际课程,避免了传统教学中组织、协调外籍/外地专家资源过程中必要的各种消耗,极大程度地整合教学资源、改善教学效果。在该课程的探索与实践过程中,学生们对痕量元素形态及基于等离子体质谱的各种联用技术产生了极大的兴趣,激发了他们的主动学习热情;教师之间及师生之间的沟通趋向更简单、更灵活、更实时,为后续线上线下混合式国际课程建设提供了良好的基础和借鉴。     

关于卤素课堂教学的几点体会

根据卤素的知识特点，从讲述卤素发现史润物无声地开展思政教育，运用化学基础理论渗透元素化学教学过程，应用网络资源构建“线上+线下”混合模式教学，结合实际应用巧讲卤素及其化合物，指导学生学会归纳总结等方面进行课堂教学，能有效地激励学生学习科学家崇高的科学品质，激发学生学习积极性，提高课堂教学质量并提升学生的自主学习能力。     

以含碘氨基酸类激素为例刍议微量非金属元素在生物体内的作用机制

选取第五周期元素碘,结合多学科的研究方法论对含碘氨基酸类激素在生物体内的合成和分解代谢进行系统性分析。通过解析碘元素本身性质及其各个氧化态之间的转化,探讨碘元素在生物体内的作用机制,揭示自然界对物质代谢的精细调控。这一教学模式探索性地融入无机化学、元素有机化学、分子生物学、生物化学、生物物理学、化学生物学等一系列学科内容,旨在让学生在领悟生命科学内在规律,从而激发其科研及学习热情,并训练学生的类比思维和思辨能力。期对培养21世纪跨学科综合型人才的培养有所助益。     

“多才多艺”的铁元素*

铁在自然界中含量丰富,化学性质活泼,能够形成多种应用广泛的物质及材料,富有发展潜力。简述了铁元素的发现与性质,并重点介绍了铁的功能与应用。其中铁的应用主要围绕铁及其化合物在医学治疗、能源材料和环境保护领域所发挥的重要作用进行了阐述。     

有机三溴化铵的选择性溴化反应研究进展

有机三溴化铵（OATBs）作为溴素的固体形式，具有优良的反应活性和热稳定性，是一类重要的溴化试剂，在有机合成中应用广泛。本文从反应类型、OATBs种类和作用机理等方面，对OATBs参与的溴化反应的研究进展进行了全面分析。通过与溴素对比，指出了该类化合物在芳基的选择性溴化、双键的立体选择性加成和羰基的α-溴代等方面的研究价值。针对研究现状，提出绿色、高效的反应体系是其未来的发展方向。     

基于计算机视觉技术的茶叶品质随机森林感官评价方法研究

为弥补茶叶品质感官审评存在的缺陷，利用计算机视觉技术对茶叶品质进行快速无损评价研究。以碧螺春绿茶为对象，依据专家感官审评结果，将茶样分成4个等级；采用中值滤波及拉普拉斯算子对茶样图像进行预处理，并提取预处理后的茶样图像的颜色特征和纹理特征以表征茶叶图像的外形特征，利用随机森林算法对茶叶外形特征属性进行重要性排序；筛选出重要性较大的特征及随机森林算法中最优的决策树棵数建立感官评价模型，并与建立的支持向量机(SVM)模型性能相比较。结果表明：色调均值、色调标准差、绿体均值、平均灰度级、饱和度均值、红体均值、饱和度标准差、亮度均值、一致性等9个特征属性的重要性较大，且与感官审评特征描述结果相一致；当采用优选出的9个重要性较大的特征及决策数棵数为500时，建立的模型性能最优，模型总体判别率为95.75%，Kappa系数为0.933，OOB误差为5%，较SVM模型分别提高了3.5%，0.066，优选的9个重要性较大的图像特征与感官审评特征描述相一致。研究表明：利用随机森林方法筛选出对茶叶外形特征属性贡献最大的少数几个特征建立模型，模型性能就能达到很好的识别效果，模型得到简化，同时模型精度和稳定性都高于其他方法。