排序方式: 共有36条查询结果,搜索用时 78 毫秒
21.
22.
纳米SnO2@TiO2包覆催化剂的制备及表征 总被引:5,自引:0,他引:5
采用活性层包覆法在自制细SnO2胶体粒子表面包覆TiO2,制备出SnO2@TiO2包覆型复合催化剂,以其对有机磷农药DDVP的降解效果作为评价光催化活性的标准,对制备条件进行了优化,并用XRD、TEM和BET等手段对样品进行了表征,结果表明,SnO2胶体乙醇溶液含水量20%,钛酸丁酯质量分数为34.5%。灼烧温度680℃时制得TiO2含量56.45%的包覆样品SnO2@TiO2为纳米级粒子,且其光催化活性最佳。 相似文献
23.
采用水热法合成纳米Co0.5Zn0.5Fe2O4粉体,并借助X射线衍射仪(XRD)、透射电子显微镜(TEM)、矢量网络分析仪(VNA)研究工艺条件(晶化温度、晶化时间)对Co0.5Zn0.5Fe2O4物相、形貌及吸波性能的影响.结果表明,当晶化时间为8 h、晶化温度为180℃时制备出纯相的尖晶石结构的纳米Co0.5Zn0.5Fe2O4,样品形貌为类球形,平均粒径为10~15 nm.在1~18 GHz频段内,样品在16.47 GHz处的反射率达到-33.9 dB,吸波性能最好. 相似文献
24.
以Fe(NO3)3·9H2O、Ba(NO3)2、NaOH为原材料,添加表面活性剂聚乙二醇,采用水热法成功合成M型钡铁氧体.采用X-射线衍射仪、扫描电镜和矢量网络分析仪对样品进行表征分析,研究了水热法中晶化时间对样品的粒度、形貌以及吸波性能的影响.试验结果表明:在Fe/Ba摩尔比为8、晶化时间8h制备的纯相M型BaFe12O19,样品结晶完整,形貌为六角片状,平均尺寸在1 ~2 μm.在1~18 GHz频段宽内,损耗因子在13.24 GHz处达最大值为0.33,吸波反射率为-10.35 dB,吸波性能最好,提高了钡铁氧体在Ku波段范围内的吸波性能. 相似文献
25.
26.
27.
应用水热法掺杂Co2+、Mn2+和Cu2+到纳米镍锌铁氧体粉末中.并利用XRD、TEM和VNA对其进行表征和分析,研究了掺杂不同金属离子对样品粒度、形貌、电磁损耗性能及吸收性能的影响.结果表明:镍锌钴铁氧体结晶更加完全,晶粒结构更加完整,出现团聚现象,晶粒排列相比其他更加致密.并且晶格常数由0.8352 nm增加到0.8404 nm,改变吸收峰的位置,增加吸收器的带宽,改善材料在低频率区间内的的吸波性能.Mn2+的掺杂相比镍锌钴铁氧体吸波性能下降,吸波效果减弱.Cu2+的掺杂没有影响纳米镍锌铁氧体电磁损耗的吸波频段. 相似文献
28.
深度估计是传统的计算机视觉任务,在理解三维场景中起着至关重要的作用。基于单目图像的深度估计任务的困难在于如何提取图像特征中大范围依赖的上下文信息,提出了自适应的上下文聚合网络(adaptive context aggregation network,ACANet)用于解决该问题。该方法基于有监督的自注意力模型(supervised self-attention,SSA),能够自适应地学习任意像素之间的具有任务特性的相似性以模拟连续的上下文信息,并通过模型学习的注意力权重分布用来聚合提取的图像特征。将单目深度估计任务设计为像素级的多分类问题,经过设计的注意力损失函数减少RGB图像和深度图的语义不一致性,通过生成的像素级注意力权重对由位置索引的特征进行全局池化。最后提出一种软性有序推理算法(soft ordinal inference,SOI),充分利用网络的预测置信度,将离散的深度标签转化为平滑连续的深度图,并且提高了准确率(rmse下降了3%)。在公开的单目深度估计基准数据集NYU Depth V2上的实验结果表明:rmse指标为0.490,阈值指标为82.8%,取得了较好的结果,证明了本文提出的算法的优越性。 相似文献
29.
对场景中的物体进行深度估计是无人驾驶领域中的关键问题,红外图像有利于在光线不佳的情况下解决深度估计问题.针对红外图像纹理不清晰与边缘信息不丰富的特点,提出了将注意力机制与图卷积神经网络相结合来解决单目红外图像深度估计问题.首先,在深度估计问题中,图像中每个像素点的深度信息不仅与其周围像素点的深度信息相关,还需考虑更大范... 相似文献
30.