基于椭圆拟合的医用内窥镜图像相对畸变率检测方法研究

为快速有效评价临床使用内窥镜图像相对畸变的程度,提出一种基于椭圆拟合的检测方法。对内窥镜采集到的标准板图像进行二值化处理和图像分割;运用anny算子对图像进行边缘检测并提取坐标值,通过最小二乘法拟合椭圆,求得椭圆参数;计算相对畸变率。对3支内窥镜进行了椭圆拟合和定位质心相对畸变率检测,结果显示相对畸变率在30%左右,一致性差在2%左右,椭圆拟合相较而言稳定性更好。     

鬼成像中一些数学问题

鬼成像是一种与传统成像方式不同的通过光场涨落的高阶关联获得图像信息的新型成像方式。近年来,相比传统成像方式,鬼成像所拥有的一些优点如高灵敏度、超分辨能力、抗散射等,使其在遥感、多光谱成像、热X射线衍射成像等领域得到广泛研究。随着对鬼成像的广泛研究,数学理论和方法在其中发挥的作用愈显突出。例如,基于压缩感知理论,可以进行鬼成像系统采样方式优化、图像重构算法设计及图像重构质量分析等研究工作。本文旨在探索鬼成像中的一些有趣的数学问题,主要包括:系统预处理方法、光场优化及相位恢复问题。对这些问题的研究既可以丰富鬼成像理论,又能推动它在实际应用中的发展。     

ZrO2预处理方式对ZrO2/SAPO-34复合催化剂物化性质及MTO催化性能的影响

采用水热包覆法制备了ZrO2/SAPO-34复合催化剂,研究了ZrO2预处理方式对复合催化剂物化性质和MTO催化性能的影响.采用XRD、FT-IR、SEM、NH3-TPD和BET等手段对不同复合催化剂的晶相组成、骨架结构、微观形貌、表面酸性质及孔结构进行分析表征.结果表明,ZrO2预处理方式对复合催化剂物化性质和MTO催化性能影响较大.未焙烧和焙烧经聚电解质改性ZrO2制得复合催化剂未形成连续复合相,比表面积小,表现出较短的催化寿命,仅为410 min和530 min;450℃焙烧ZrO2制得复合催化剂形成了均匀连续复合相和层级结构孔特征(微孔比表面积112.91 m2· g-1,介孔比表面积176.02 m2· g-1,总比表面积为288.93 m2· g-1,总孔容0.19 cm3· g-1),总酸量较大(0.344 mmol/g);在常压、反应温度380 ℃、N2流速20 mL· min-1、进料空速2 h-1MTO反应条件下,复合催化剂表现出优越催化性能、稳定性及反应寿命,甲醇转化率和低碳烯烃选择性分别达100;和90.54;,催化寿命达1130 min,与单一SAPO-34分子筛相比,催化寿命延长了768 min.     

基于LSTM的浮选钼精矿品位软测量模型

战略性稀有金属钼矿品位低,组分复杂、嵌布粒度细等特点,其有价金属分离回收难。浮选作为微细粒钼矿分离回收的主要选矿方法之一,其浮选钼精矿品位一直是选厂的关键性产品指标。国内大多数选厂采取轮班制采样,人工化验得到精矿品位结果,但此方式严重滞后于浮选工艺,难以满足对生产过程进行实时监测和操作指导。LSTM是一种特殊的循环神经网络,引入门机制有效的传递或选择性遗忘长时间序列中的信息,解决RNN中的长期依赖、梯度消失和爆炸问题。本文分析整理东坡选厂中各平台源数据,结合选厂浮选工艺及机理,筛选出多个影响浮选钼精矿品位的变量作为模型输入;将输入变量进行异常值判定,缺失值填充和数据降噪等数据预处理,建立高质量浮选钼精矿品位数据库;软测量模型采用PyCharm软件编码,使用BatchNorm批量规范化处理样本数据,加入Dropout正则化防止过拟合,建立基于LSTM的浮选钼精矿品位软测量模型,通过前向传播算法更新神经网络结构参数,并于Linear模型和CNN模型的预测性能指标结果比较。结果表明：基于LSTM的浮选钼精矿品位软测量模型预测准确度高,样本数据误差波动平稳,浮动范围小,模型泛化能力强,模型平均绝对百分比误差MAPE为1.13%,均方根误差RMSE为0.7049%,决定系数R2为0.8763,实现了浮选钼精矿品位的在线预测。     

地质环境样品中挥发酚分析现状与进展

挥发酚被列为环境优先控制的有机污染物,已成为评价环境污染的重要指标之一。该文简述了挥发酚的化学性质及地质环境来源,概括了国内外挥发酚测定的相关标准方法,从样品预处理技术和检测技术两方面综述了近年来地质环境样品中挥发酚分析的研究现状。重点对溶剂萃取、蒸馏、固相萃取、固相微萃取和吹扫捕集等样品预处理技术,以及4-氨基安替比林分光光度法、紫外和荧光分光光度法、溴化容量法、气相色谱法、液相色谱法和酚生物传感器法等技术在地质环境样品中挥发酚分析上的应用进行了较为全面的总结,并对其未来的发展趋势进行了展望,为进一步研究挥发酚的分析技术及其环境应用提供参考。     

矿石拉曼光谱模型拟合分类方法

拉曼光谱因具有简单、快速及无损等特点,非常适合矿石的分类与鉴别。拉曼光谱模型拟合分类方法无需构建参考光谱库且避免了复杂的逐项光谱匹配,具有明显的优势。然而,已有的基于机器学习及深度学习的矿石拉曼光谱分类研究所采用的学习模型比较单一,缺乏具有参考意义的综合比较。对基于机器学习及深度学习的矿石拉曼光谱模型拟合分类方法进行综合评估验证,对比了KNN, XGBoost, SVM, RF四种传统机器学习方法和CNN, DNN, RNN三种深度学习模型在RRUFF矿物拉曼光谱数据集上的分类效果,验证了4种数据预处理方法和样本量对模型分类效果的影响。为提升机器学习模型的分类性能,本文还提出了一种拉曼光谱强度曲率的数据预处理方法,对经基线矫正后的拉曼光谱序列强度计算曲率作为构造特征,使模型更有效的提取出拉曼光谱的特征峰位置。实验结论：数据预处理对提升机器学习模型的分类性能效果明显,而对深度学习模型不敏感;样本量为影响模型分类效果的关键因素,当样本量较大时,深度学习模型的分类效果优于传统的机器学习模型;对于微小样本,深度学习模型难以发挥其优势,而辅以预处理的机器学习具有更优的分类性能。     

关于三峡永久船闸高边坡快速施工地质超前预报的几个问题

文中就三峡永久船闸高边坡快速施工地质超前预报的几个问题进行了讨论。分别研究了三峡永久船闸高边坡施工地质超前预报的必要性，提出了超前预报技术思路，最后就高边坡岩体反分析及反馈设计问题、施工地质超前预报问题以及与监测相适应的超前处理及防护进行了分析。     

大口径氘化磷酸二氢钾晶体离线亚纳秒激光预处理技术

大口径氘化磷酸二氢钾(DKDP)晶体抗激光损伤性能偏低严重地制约着大型高功率激光装置输出水平.本研究利用离线亚纳秒激光预处理技术有效地提升了大口径DKDP晶体抗激光损伤性能.实际使用情况表明,采用离线亚纳秒激光预处理后,DKDP晶体在9 J/cm²激光通量辐照下的表面平均损伤密度得到大幅下降,由未处理前的5.02 pp/cm²(1pp表示1个百分点)降至0.55 pp/cm²,降幅为一个数量级.同时,激光预处理对晶体损伤尺寸具有一定的抑制作用,预处理后晶体损伤点尺寸分布曲线向尺寸减小的方向平移,尺寸分布峰值由预处理前的25μm降至预处理后的18—20μm.     

一种求解三维热辐射输运方程的整体预处理迭代方法及并行计算

为三维灰体热辐射输运方程的隐式离散纵标方法发展一个整体预处理迭代方法并研制并行程序。该方法采用组装线性代数方程组策略,同时求出所有离散方向上的辐射强度。借助预处理的Krylov子空间迭代法,避免复杂网格上扫描算法可能遇到的死锁问题,能够提高健壮性和计算效率。空间离散上采用一阶迎风有限体积格式。数值实验测试变形六面体网格上的收敛率、评估预处理迭代方法的性能并计算辐射和物质的耦合问题,给出三维弯管和黑腔问题的模拟结果,验证程序的正确性和方法的适应性。