K金饰品中金含量的检测方法比对

目前实验室对金首饰金含量的主要检测方法为火试金法、X射线荧光光谱（XRF）法和电感耦合等离子体-原子发射光谱（ICP-AES）法.当测试结果出现争议时,国家标准GB 11887-2012中以火试金法作为仲裁方法.采用上述3种不同的金含量测试方法分别对14K、18K和22K饰品的金含量进行测定,并对3种方法检测结果进行比对.结果发现,在3种方法均可满足样品分析对准确度的要求时,以火试金法为基准,XRF法与ICP-AES法对同纯度的金首饰检测结果的相对误差差异较大,XRF法的结果可满足检测要求,而ICP-AES法的结果无法满足检测要求.其中,XRF法的相对误差为0.05%~0.77%,ICP-AES法的相对误差为1.24%~3.89%.从结果来看,低纯度的K金饰品使用XRF法的检测结果要更接近于火试金法.     

基于极端学习机背景预测的红外小目标检测算法

为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测。实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18 s。本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标。