含正三角形孔口热电材料的断裂力学分析

采用复变函数方法研究了含正三角形孔口热电材料中受到无穷远处均匀电流密度和能量流作用下的断裂问题.在电绝缘和热绝缘边界条件下,获得了温度场和应力场的解析表达式,分析了三角形尺寸、能量流载荷对热电材料性能的影响.结果表明,能量流载荷和三角形尺寸的变化对环向能量流、环向应力、环向热流有较明显的影响.     

改进区域卷积神经网络的机场检测方法

提出了一种结合级联的区域建议网络和检测网络的遥感图像机场检测方法。通过改进区域建议网络,以获得高质量的机场建议框;通过改进检测网络的损失函数,以提高机场检测的准确性;使用交叉优化策略,实现了两个网络的卷积层共享,机场检测时间大幅缩减。结果表明,所提方法在复杂背景下能准确地检测出不同类型的机场,检测率高,虚警率低,平均运行时间短。     

基于特征融合与软判决的遥感图像飞机检测

提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进传统的非极大值抑制方法。实验结果表明,所提方法能够准确快速地检测到飞机,得到检测率为94.25%、虚警率为5.5%、平均运行时间为0.16 s的实验结果。与现有的其他检测方法相比,所提方法的各项指标均得到显著提升。     

水相介质中负载纳米金催化CO高选择性还原糠醛

近年来可再生资源以及化工原料的多元化备受关注,生物资源成为其中的一个新亮点。糠醛是一种可由生物质转化而来的重要化工原料,将其催化还原直接转化为糠醇是构建以糠醛为平台化合物的生物基呋喃衍生物价值链的重要环节。长久以来,糠醛制糠醇研究主要集中在以 H2作氢源的加氢工艺及相关催化剂配方的优化、改进等方面,尽管在工业上已获得成功应用,但由于需大量消耗源于化石燃料的 H2,使得该路线总体上仍依赖于化石能源。此外,大量使用 H2所涉及的储存、运输和使用条件苛刻以及如何有效控制目标产物的选择性等问题也一直是糠醛传统催化加氢所面临的挑战。因此,寻求可替代传统氢气作氢源,更为经济实用且高效的糠醛高选择性催化还原制糠醇路线,对于发展以糠醛转化为技术核心的新一代糠醛基化工产业链,以及实现诸如5-羟甲基糠醛等其它重要生物质基平台化合物的还原转化,均具有重要意义。本文旨在通过实证性实验,考察以价廉且来源丰富的 CO替代 H2来实现高选择性液相糠醛催化转化制糠醇的可行性。众所周知, CO不但是 C1化学工业中至关重要的基础原料,在发展并完善面向未来的低碳能源及化学品清洁合成新技术等方面也有着非常大的应用潜力。鉴于 CO也是炼钢焦炉气的重要组成部分,因此开发新颖的基于 CO的还原转化和相关反应新技术,不但可有效拓展 CO的潜在应用范围,对于实现传统高能耗行业的节能减排和转型升级也有着重要的启示和借鉴意义。我们近期利用 CO/H2O为还原介质,在温和条件下实现了纳米 Au催化取代硝基或羰基化合物高效、高化学选择性还原,本文系统研究了包括传统铂族金属在内的各类高分散贵金属催化剂、反应温度、反应压力以及反应时间等对糠醛转化率和糠醇选择性的影响。通过优化催化剂制备和反应条件,发现以 CO/H2O作为氢源,在金红石单相 TiO2负载纳米 Au(Au/TiO2-R)的催化作用下,于90oC, CO压力为4 MPa,糠醛与 Au的摩尔比为200的条件下反应4 h即可实现糠醛至
　　糠醇的定量转化。研究表明,上述过程中催化剂可多次循环使用;反应温度或反应压力的增加均有利于反应进行,且在糠醛与纳米 Au的摩尔比高达2000甚至5000时,反应仍可完全进行到底。尤其值得一提的是,该催化体系对于反应原料中含有相当杂质的非新鲜提纯的粗糠醛亦具有很好的耐受性,甚至可直接以各种 H2/CO比例的来源广泛的合成气为氢源,实现目标反应,表明该体系是一种极具开发和应用潜力的糠醛转化制糠醇新技术。     

基于深度卷积神经网络的低照度图像增强

针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。