环境空气与废气中丙烯酸酯类化合物的控制要求及分析方法

综述环境空气与废气中丙烯酸酯类化合物的控制要求及分析方法。对比了国内外生态环境领域环境空气和废气中丙烯酸酯类化合物的分析方法和管理要求。环境空气和废气中丙烯酸酯类化合物主要采用采样罐/固体吸附剂/气袋采样,低温浓缩/溶剂解吸/热脱附进样/直接进样,可采用非极性/中等极性/强极性色谱柱分离,气相色谱（FID/MS）检测。对比不同的采样及处理方法,采样罐/低温浓缩一般与质谱联用,采样成本较高,灵敏度高,适用于环境空气中样品分析;固体吸附剂-溶剂解吸灵敏度较高,但容易造成二次污染;气袋采样-直接进样方便、简单,但灵敏度较低。可根据实际需要选择不同的采样及分析方法。     

液溴改性非碳基吸附剂对单质汞吸附的实验研究

为了获得性能高效的非碳基吸附剂脱除燃煤烟气中排放的Hg,采用液溴浸渍的方法,对吸附剂进行了改性。通过固定床和沉降炉吸附实验,发现高岭土、沸石和石灰石改性后对单质汞的吸附能力有较大提高。改性后的吸附能力提高的原因在于化学吸附的增强。     

基于改进YOLOv3的光刻热点检测方法

随着集成电路特征尺寸不断缩小,光刻系统分辨率与特征尺寸之间不匹配导致晶圆成像结果出现不必要的形状变形。这些会产生形状变形的区域就是俗称的光刻热点。为提高集成电路生产的良品率,在掩模板制造之前,需要对晶圆成像结果进行光刻热点检测。提出一种基于深度学习的热点检测方法,通过将挤压和激励网络（SENet）输入预先训练的YOLOv3模型来提高光刻热点检测的精确率和召回率。实验结果表明,在2012国际计算机辅助设计会议（ICCAD2012）数据集上,所提方法优于其他基于深度或具有代表性的基于机器学习的方法,最终的平均召回率为1.00,精确率为0.45,F1分数为0.62。