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。     

硅和锗纳米线的原子排布和电荷分布的密度泛函紧束缚方法研究

低维硅锗材料是制备纳米电子器件的重要候选材料，是研发高效率、低能耗和超高速新一代纳米电子器件的基础材料之一，有着潜在的应用价值。采用密度泛函紧束缚方法分别对厚度相同、宽度在0.272 nm~0.554 nm之间的硅纳米线和宽度在0.283 nm~0.567 nm之间的锗纳米线的原子排布和电荷分布进行了计算研究。硅、锗纳米线宽度的改变使原子排布，纳米线的原子间键长和键角发生明显改变。纳米线表层结构的改变对各层内的电荷分布产生重要影响。纳米线中各原子的电荷转移量与该原子在表层内的位置相关。纳米线的尺寸和表层内原子排列结构对体系的稳定性产生重要影响。     

预热超声对菠萝蜜种子分离蛋白起泡性及结构的影响

采用预热超声技术改善菠萝蜜种子分离蛋白（Jackfruit Seed Isolate Protein, JSPI）起泡性,探究起泡性与结构的关系。对预热温度,超声功率,超声时间进行了优化,得到最佳条件:预热温度60℃,超声功率600 W,时间20 min。结果得出,与JSPI相比,60℃+600 W处理的JSPI起泡性增加了58.44%（P<0.05）,高于600 W（45.25%）和60℃（29.64%）。相比JSPI,泡沫稳定性没有提高（P>0.05）。SDS-PAGE凝胶电泳结果表明,600 W超声处理没有改变JSPI的分子量,60°C处理使JSPI的部分可溶性蛋白分子聚集,出现了新的蛋白条带。相关性结果表明,起泡性与JSPI的β-折叠和无规则卷曲含量成正相关。与JSPI相比,600 W,60℃,60℃+600 W处理后的荧光强度增强、表面疏水性（H0）提高,说明JSPI结构变松散,内部疏水基团暴露出来,疏水性增加,导致起泡性增加。电位结果表明,与JSPI相比,600 W处理的电位从-22.03增强至-24.53 mV（P<0.05）。60℃,60℃+600 W处理电位减弱,导致溶液体系不稳定。粒径结果表明,与JSPI相比,600 W处理粒径减小,60℃处理粒径增加。蛋白粒径减小、或占较低比例存在的粒径较大的蛋白群体均可以提高JSPI的起泡性。     

基于差分反射高光谱成像的薄层TMDC材料检测技术研究

二维过渡金属硫化物(TMDC)材料因为独特的激子效应和材料学性质，在太阳电池、光催化、传感器、柔性电子器件等领域得到广泛的应用。层数对其性质有显著的调控作用，自动检测识别所需层数的样品是其从实验室走进半导体制造工业的重要技术需求。本文结合反射高光谱成像技术与图像处理算法，发展了一种二维TMDC薄层样品的显微成像自动检测技术。基于自主搭建的反射高光谱成像系统，对制备的不同层数TMDC标准样品进行了光学对比度的系统研究，阐明了层数的差分反射光谱机理，提出了可靠的层数判定方法。基于传统边缘检测技术优化设计了一套图像处理算法，实现了TMDC样品的图像检测及层数鉴定。本文方法具有普遍性、实用性，结合自动对焦的扫描控制，能够实现大规模的自动化样品检测，这也为其他表面目标的显微识别和检测提供了新的灵感和参考。     

热解吸反压低温等离子体电离源质谱检测食品中的邻苯二甲酸酯EI北大核心CSCD

基于低温等离子体设计并实现了一套热解吸反压低温等离子体电离(TD-iLTPI)装置。TD-iLTPI装置由热解吸模块和电离源模块集成在一个π型四通管上组成,进样探针取得样品后插入热解吸模块使其气化,之后随载气进入电离区域被电离。iLTPI内部的针电极接交流电,外部的环形电极接地,电极连接方式与LTP相反。该文对热解吸反压低温等离子体电离源进行了参数的优化,并与三重四极杆质谱联用检测了12种代表性的邻苯二甲酸酯,同时考察了TD-iLTPI-MS的分析性能,并对含有邻苯二甲酸酯的实际样品进行了检测。结果表明,邻苯二甲酸丁苄酯(BBP)的标准曲线具有良好的线性相关系数(R;=0.9958),加标回收率为89.7%~116.8%,相对标准偏差为4.5%~8.2%,对邻苯二甲酸酯的检出限也远低于其他敞开式离子源。对白酒、果汁、面包、奶酪和黄油中的邻苯二甲酸酯进行了快速筛查,并定量检测了果汁中的邻苯二甲酸丁苄酯。     

TFSI钝化晶体硅表面性质的第一性原理研究

晶体硅表面钝化是高效率晶体硅太阳能电池的核心技术,直接影响晶体硅器件的性能。本文采用第一性原理方法研究了一种超强酸-双三氟甲基磺酰亚胺(TFSI)钝化晶体硅(001)表面。研究发现,TFSI的四氧原子结构能够与Si(001)表面Si原子有效成键,吸附能达到-5.124 eV。电子局域函数研究表明,TFSI的O原子与晶体硅表面的Si的成键类型为金属键。由态密度和电荷差分密度分析可知,Si表面原子的电子向TFSI转移,从而有效降低了Si表面的电子复合中心,有利于提高晶体硅的少子寿命。Bader电荷显示,伴随着TFSI钝化晶体硅表面的Si原子,表面Si原子电荷电量减少,而TFSI中的O原子和S原子电荷电量相应增加,进一步证明了TFSI钝化Si表面后的电子转移。该工作为第一性原理方法预测有机强酸钝化晶体硅表面的钝化效果提供了数据支撑。     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

四苯乙烯及其衍生物超声辅助合成与光电性能研究

四苯乙烯及其衍生物被广泛报道具有典型的聚集诱导发光(AIE)性能，在有机发光二极管、荧光离子探针、生物化学成像等诸多领域有着广阔的应用前景。以此为背景，可以将相关前沿议题转化为本科综合实验教学方案。本文针对现有的实验教学方案设计进行了探究和改进，在原有使用McMurry偶联反应制备四苯乙烯的实验方案基础上，利用生色团上不同取代基的推拉电子效应设计平行对照试验，合成溴代、甲氧基取代的四苯乙烯衍生物，实现了荧光发射光谱最大峰波长的显著移动，使得在紫外灯下即可观察到荧光从蓝色到黄绿色的变化。利用超声辅助合成的方法，成功将反应时间从原有的6–8 h压缩至2 h，使之更适应本科教学实验所需的时间空间。除光学性能表征外，本实验还综合了循环伏安法表征产物的能带结构。本实验针对原有方案进行了诸多改进，引入平行实验锻炼科学思维、别出心裁地引入超声辅助合成法，极大地缩短了反应时间，展现出较强的前沿性、绿色性和高效性。