高光谱成像的机采籽棉杂质分类检测

机采籽棉杂质分类检测为调整棉花清理机械加工参数和工序提供参考依据,对提升皮棉品质具有重要意义。但由于籽棉棉层分布不均匀,使得图像检测难度增大,使用传统的检测方法无法有效检测各类杂质。采用高光谱成像方法对机采籽棉中的棉叶、棉枝、地膜和铃壳（内外）五种杂质进行分类判别检测。首先采集120个机采籽棉样本的高光谱图像,选取感兴趣区域获取平均光谱曲线。发现由于物质构成的差异,不同杂质体现出不同的吸收和反射特性,不同种类物质之间的光谱差异大于同类物质。对提取的平均光谱曲线进行主成分分析（PCA）,结果显示棉花、残膜和铃壳外与其他三类相比,有较好的聚集性和可分性,但是棉叶、铃壳内和棉枝三类相互叠加在一起,空间分布存在严重交叉重叠。以提取的平均光谱曲线为训练样本,选择线性判别分析（LDA）、支持向量机（SVM）和神经网络（ANN）三种分类判别算法,对算法参数进行寻优,并建立机采籽棉杂质分类判别模型。其中,经过LDA模型降维后的样本空间较PCA表现出了更好的聚集性和可分性,采用正则化防止过拟合,得到训练集准确率为86.4%,测试集准确率为86.2%;SVM模型的参数寻优结果为C=105,g=0.1,其训练集准确率为83.42%,测试集准确率为83.40%;ANN模型参数寻优得到隐含层数和神经元个数分别为2和17,训练集准确率为82.9%,测试集准确率为81.8%。对三种模型的分类效果和检测用时进行比较,LDA模型结果最优。通过对高光谱图像进行像素等级分类判别,结果显示棉花识别效果较好,植物性杂质都被有效检测,但是地膜和棉花存在误识别,分类效果与杂质光谱的分类判别模型结果一致。因此,采用高光谱成像技术可以快速、无损的检测和识别籽棉杂质,为棉花加工装备提供反馈参数,对棉花加工机械化和智能化有重要意义。     

在环形理想导体空腔中极向线电流产生的磁场

本文研究在环形理想导体空腔中极向线电流产生的磁场。在一级环形效应近似下得到的理论结果，基本上与实验数据一致，并且可以推广使用到具有一定类型极向电流分布的情况。     

掺V4+的KTiOPO4单晶的电子顺磁共振研究

在室温X波段对掺V⁴⁺的KTP单晶作电子顺磁共振(EPR)谱的测量和分析表明:V⁴⁺占据的晶位可分为结晶学上不同的两类,每一类又含4个磁性不等价而结晶学上相同的V⁴⁺晶位。测量了3个互相垂直结晶主平面上的EPR超精细线随角度的变化,并用严格的最小二乘法拟合程序,确定了g和A张量的主值以及它们主轴的方向余弦。从而揭示了V⁴⁺是处在带有四角畸变的八面体环境及单胞中所有8个磁性不等价V⁴⁺晶位的空间取向     

α-K_7P_2W_(17)FeO_(61)纳米纤维的制备与表征

运用高压静电纺丝和程序焙烧方法,制备α-K_7P_2W_(17)FeO_(61)纳米纤维丝。通过红外光谱(FTIR),X射线粉末衍射(XRD)进行了表征,结果表明制备的纳米纤维是纯α-K_7P_2W_(17)FeO_(61),扫描电子显微镜照片(SEM)显示焙烧后产物为纳米纤维丝,直径分布图显示其平均直径大约为1 55nm。     

Structural and magnetic properties in Bi1−xRxFeO3 (x=0-1, R=La, Nd, Sm, Eu and Tb) polycrystalline ceramics

A series of rare-earth doped BiFeO₃ samples, Bi_1−xR_xFeO₃ (x=0-1, R=La, Nd, Sm, Eu and Tb), were prepared in this work. X-ray diffraction analysis showed that the structure of rare-earth doped BiFeO₃ was transformed from rhombohedral lattice to orthorhombic one by increasing x. The lattice constants and unit-cell volume decreased with the increasing of the doping content, while both the Néel temperature and magnetization were enhanced. A magnetic phase transition was observed at about 35 K for BiFeO₃. The variation of the magnetization with temperature depended on applied field strength and magnetizing history, which was explained according to the antiferromagnetic exchange interaction between Fe and R sites in Bi_1−xR_xFeO₃(x>0). The magnetocrystalline anisotropy contributed by Fe sublattice gave rise to a large coercivity in Bi_xNd_1−xFeO₃ with an orthorhombic structure.     

具有偏好锥的链式网络DEA模型

对链式网络DEA模型进行推广,将"偏好锥"引入网络DEA模型.针对中间产出重要性以及决策者评价时的偏好,建立带有产出锥和投入锥相应的两阶段生产可能集,对具有"偏好锥"的链式网络DEA模型,证明了决策单元为网络DEA有效的充要条件,给出了网络DEA有效性与各阶段弱DEA有效性的关系.另外,文章结合具体算例说明了偏好锥的变化对效率评价的影响.关于两阶段的模型以及相关结论可以推广到多阶段网络结构.     

利用CdTe量子点增敏鲁米诺-过氧化氢化学发光体系测定水环境中的对苯二酚

在碱性条件下,CdTe量子点对鲁米诺-过氧化氢化学发光体系具有显著的增敏作用,而对苯二酚对该体系的化学发光有强烈的抑制作用,以此建立了流动注射化学发光检测对苯二酚的新方法。在优化实验条件下,在1.0～25 nmol·L-1范围内对苯二酚的浓度与化学发光强度的抑制值ΔI呈良好的线性关系(R2=0.993 2),检出限为0.76 nmol·L-1,经实际应用证明,该方法可用于水环境中对苯二酚的测定。此外,对CdTe量子点增敏鲁米诺-过氧化氢化学发光体系的机理进行了探讨。     

利用Elman神经网络模型评估广东热带气旋灾情

热带气旋灾情评估是防台减灾工作的重要环节.介绍的Elman神经网络的基本原理,并将Elman神经网络应用于广东省热带气旋灾害经济损失评估中.选取14个评估因子,选用1998²008年影响广东的36个台风作为数据样本,再运用主成分分析法降维处理,构建了基于Elman神经网络和基于BP神经网络的评估模型,分析结果显示,基于Elman神经网络模型的评估结果均方误差为0.953,平均误差率为17.76%,优于BP神经网络.研究的模型可实际应用于广东省实际热带气旋灾害经济损失评估,为防台减灾工作提供决策信息.     

综合利用稻壳制备木糖、电容炭与硅酸钙晶须

利用酸水解稻壳中的半纤维素制备木糖, 并将糖渣经过炭化后分离出碳和硅, 碳采用稀碱溶液活化改性制备电容炭, 硅采用水热法合成了硅酸钙晶须, 从而使稻壳所有组分得到充分利用. 采用循环伏安(CV)和恒流充放电(GCD)研究了电容炭的电化学性能. 通过X射线衍射(XRD)和扫描电子显微镜(SEM)对所得硅酸钙晶须的结构和形貌进行了表征. 实验结果表明, 稻壳酸水解的最优条件为硫酸浓度7%(质量分数)、 固液比(g/mL)为1:8、 反应时间为2.0 h, 在该条件下, 一次水解、 二次水解和三次水解的木糖收率(Y₁/Y₂/Y₃)和浓度(质量分数, C₁/C₂/C₃)都能达到最大值, Y₁=98.5%, C₁=3.6%; Y₂=85.4%, C₂=6.3%; Y₃=76.6%, C₃=9.0%. 采用15 mL 8%(质量分数) NaOH稀碱溶液活化改性制得的电容炭(AC/15)比电容值为77.32 F/g, 而且具有较好的倍率性和循环稳定性; 硅酸钙晶须为扫帚状针钠钙石晶须.     

三维贯穿大孔氧化铝的孔道改性、表征及转化机制

利用相分离技术制备了非晶三维贯穿大孔氧化铝初始材料,然后通过氨水水热改性处理,使其大孔形态发生了显著改变,孔壁边缘生长有尺寸为50-300 nm的片状聚集体,大孔尺寸由430 nm下降到250 nm,但仍然保持蠕虫状三维贯穿且空间分布均匀的特性。改性后的氧化铝材料经550℃焙烧转化为高结晶度γ氧化铝,比表面积达到331 m²/g,具有8.9 nm及250 nm两种集中的孔径分布,L酸度及抗压强度均有所提高。研究表明,无定形水合羟基铝离子聚合物与氨水发生再水合反应生成薄水铝石中间物,因此,可在较低的焙烧温度下转晶为γ态;大孔孔壁边缘的AlOOH晶粒受NH₄⁺模板诱导作用从里向外重排形成片状聚集体,从而改变了大孔的形态。