锂空气电池高容量长寿命Co3O4纳米空心球阴极催化剂

以六水合硝酸钴（Co(NO₃)₂·6H₂O）、六次甲基四胺（HMT）、蔗糖、柠檬酸钠（Na₃C₆H₅O₇）为原料,140 ^oC下水热碳化处理即得反应前驱物,经煅烧处理后,可得多孔Co₃O₄纳米空心球. 锂空气电池Co₃O₄/SP阴极催化剂具有优异的循环寿命性能,这归因于Co₃O₄空心球的纳米颗粒构成、较高比表面积的多孔结构,为电池反应提供了大量的反应位点,为充放电产物提供了足够的存储空间.     

基于联合偏度的高光谱图像波段选择对玉米种子分类研究

高光谱图像技术是在种子识别领域广泛应用的农产品品质无损检测方法。特征信息的充分提取和最优波段的选择是影响高光谱图像技术种子鉴选在线应用的关键因素。目的在于利用联合偏度算法选择高光谱图像的最优波段,用于开发在线的种子分级系统。论文利用高光谱图像采集系统获取10类共960粒玉米种子在438～1 000 nm(共219个波段)波段范围内的高光谱图像,并提取了种子高光谱图像的平均光谱、图像熵特征。利用联合偏度算法选择了高光谱图像的最优波段,分别建立了基于平均光谱、图像熵、平均光谱和图像熵联合特征条件下的支持向量机种子分类模型,比较不同特征下分类模型的识别精度。实验结果表明：无论是全波段分类模型,还是建立在最优波段基础上的分类模型,利用平均光谱和图像熵联合特征获得的分类精度均高于平均光谱和图像熵两种单一特征模型。在10个最优波段条件下,联合特征分类模型的识别精度达到了96.28%,比光谱均值和图像熵的识别精度分别提高了4.30%和20.38%,也高于全波段联合特征识别模型的93.47%。利用联合特征建立玉米种子分类模型时,基于联合偏度的波段选择算法的分类精度要高于无信息变量消除法、连续投影算法和竞争性自适应重加权算法。该研究为种子高光谱图像识别技术的在线运用提供了可行的途径。     

生物材料红外波段消光性能分析

对制备的三种消光材料真菌An0429孢子,真菌Bb0919孢子以及真菌Cx0507孢子的红外波段消光性能进行了测试分析。静态测试采用压片法得到三种生物材料的镜面反射光谱,然后根据Krames-Kronig(K-K)关系对三种生物材料红外波段的复折射率进行了计算。由Mie理论计算得到三种生物材料红外波段的静态质量消光系数,并与几种无机非金属材料进行了对比。搭建烟幕箱实验平台,对三种生物材料3~5 μm波段动态质量消光系数进行了测试分析,得到三种消光材料的动态质量消光系数分别为1.257,1.065以及1.009 m2·g-1。测试分析结果表明,三种生物材料的红外波段消光性能优于常见的无机材料,其生产周期短,生产成本低,生产过程无毒,对环境友好等优点,使得生物消光材料具有较好的应用前景。     

石油烃污染紫色土的可见-近红外光谱特征及其含量估算研究

高光谱遥感技术是一种有效的监测石油类污染手段,目前主要应用于海上溢油方面,而关于土壤石油烃污染的研究较少。针对土壤石油烃污染研究不足的现状,选取柴油、汽油和机油三种石油烃,开展了石油烃污染紫色土的光谱特征实验研究,分析了紫色土在不同种类石油烃污染及不同污染浓度条件下的光谱特征,提取了含有不同种类石油烃的紫色土光谱吸收特征波段。在此基础上,经过7种光谱变换和相关性分析,筛选出与石油烃含量最敏感的光谱变量,分别采用单变量回归法和多元逐步线性回归法建立了估算模型,并对模型进行了验证。研究表明：含有柴油、机油和汽油的光谱在1 200,1 700和2 300 nm附近均出现了吸收特征,光谱吸收深度表现为：机油>汽油>柴油;多元逐步线性回归法优于单变量回归法,其建立的柴油、机油和汽油的估算模型决定系数均大于0.95,校正均方根误差小于0.47,验证均方根误差小于0.56,估算精度较高。     

基于高光谱图像的即食海参新鲜度无损检测

新鲜度是即食海参加工品质调控和贮藏品质监控的关键指标。针对感官评定和现有理化检测无法满足即食海参产品大批量、标准化、工业化生产问题,提出了一种基于高光谱图像的即食海参新鲜度快速无损检测方法,通过图像主成分分析和波段比运算相结合,优选特征波长和图像;依据海参腐败机理,建立图像纹理特征与即食海参新鲜度等级间的关联模型,实现即食海参新鲜度无损、快速评价。首先针对高光谱图像巨大的数据量展开降维研究。根据即食海参体壁光谱吸收特性,以具有明显化学吸收特征的波长(474和985 nm)为分界点,获得包括全检测波段(400～1 000 nm)在内的六个待处理波段,通过分段图像主成分分析实现待测波段的优选,利用权重系数和波段比图像运算,最终将686和985 nm波段比图像确定为特征图像。面向特征图像的感兴趣区域(ROI),构建灰度共生矩阵(gray-level co-occurrence matrix, GLCM)、灰度梯度共生矩阵(gray-gradient co-occurrence matrix, GGCM)、改进的局部二元模式纹理描述子(local binary pattern,LBP),分别提取纹理参数作为输入,以挥发性盐基氮(total volatile basic nitrogen, TVB-N)检测为标准,建立经粒子群优化的BP 神经网络(back propagation,BP)即食海参新鲜度判别模型,新鲜度等级判别准确率分别为90%,95%和80%。结果表明,即食海参高光谱图像灰度梯度共生矩阵的纹理特征用于新鲜度判别效果较好。为即食海参新鲜度快速无损检测方法研究和仪器开发提供了理论基础和数据支持。     

双波段多级低噪放的匹配设计与仿真

针对双波段低噪声放大电路设计存在的多级匹配问题,提出一种解决双波段多级低噪放匹配的方法.首先根据每一级低噪放指标要求设置优化参数,找到输入输出最佳阻抗值,然后用串联微带线和并联微带枝节将双波段LNA的每一级输入输出阻抗值匹配到50,最后将其级联,从而实现了双波段三级LNA的设计.仿真结果表明:该低噪声放大器在2.69 GHz和3.5 GHz频点处匹配良好,噪声系数小于1 d B,S11和S22都小于-20 d B,增益大于40 d B,从而能同时传输2个非同步信号,提高了频谱利用率,并减少了带外噪声干扰.     

基于双波段植被指数(TBVI)的柑橘冠层含氮量预测及可视化研究

氮素(nitrogen,N)是果树生长发育的必需重要元素,及时准确地无损检测果树的氮素水平对果实增产、合理施肥以及减少环境污染等具有重要意义。研究了基于高光谱成像技术进行柑橘冠层含氮量预测及可视化的可行性。实验采用高光谱成像光谱仪ImSpector V10E(Spectral imaging Ltd.,Oulu,Finland)分别采集柑橘叶片实验室样本和野外整个植株冠层的高光谱图像。利用ENVI软件提取每个叶片样本感兴趣区域(ROI)的平均光谱数据作为整个样本的光谱数据进行分析,同时采用杜马斯燃烧法快速定氮仪(ElementarAnalytical, Germany)测定叶片样本的含氮量。通过简单相关分析和双波段植被指数(TBVI)的获取,建立基于光谱数据的含氮量预测模型。计算表明,基于811和856 nm的双波段植被指数(TBVI)能够建立最佳的柑橘叶片含氮量预测模型(R2=0.607 1)。在此基础上,计算上述TBVI的冠层图像,把基于该TBVI的含氮量预测模型导入到TBVI图像中计算生成冠层含氮量的预测分布图。图中直观地显示柑橘嫩叶、中叶、老叶的含氮水平从高到低分布,实现了冠层含氮量的可视化。结果表明,利用高光谱成像技术可以实现柑橘冠层氮素水平的检测和诊断,这为实施基于每颗果树信息的变量施肥技术提供了参考信息。     

一种植物叶片生化成分光谱无损检测的光程长校正方法

利用可见/近红外光谱分析技术定量分析叶片生化参数含量时,由光散射效应和叶片厚度等引起的样本间光程长差异会影响校正模型的预测精度。文章提出了一种改进的扩展多元散射校正(EMSC)光程长方法,利用差谱矩阵的主成分代替物质纯谱,对实测光谱精确建模,根据实际需要,减去相应干扰因子,得到校正光谱。选择叶绿素含量基本相同,厚度不同的16个叶片样本以及叶绿素含量和厚度均不同的32个样本分别使用改进的EMSC方法校正,对处理前后光谱变异系数和主成分贡献率进行比较和分析,并比较了预处理前后的模型预测精度。结果表明,采用改进的EMSC预处理方法能够有效地校正光散射效应和叶片厚度差异导致的光程长差异引起的光谱误差,增强光谱数据对浓度的灵敏度,可提高预测模型的精度。     

静电纺丝纳米ZrO_2:Ti纤维的制备与发光性质的研究

通过静电纺丝和高温煅烧相结合的方法制备了一维钛掺杂氧化锆的纳米纤维。复合纤维在1 000℃煅烧后,由于模板剂、聚乙烯吡咯烷酮(PVP)在高温下的分解,纤维直径大大减小,扫描电镜观察最终得到直径100 nm左右的单斜相纤维。利用稳态光谱和时间分辨光谱技术室温下研究了纤维的光致发光性质。结果表明发射主峰在467 nm的宽带,在350 nm处有一个小肩峰。两种不同的发光行为可以通过ZrO2∶Ti纳米纤维中存在的两种情况的氧空穴作为电子俘获中心来解释。一种由电荷补偿产生的氧空位,俘获电子,产生467 nm处Ti参与的发光现象。另外一种ZrO2表面缺陷导致的氧空穴,对应于350 nm的发光现象,没有发现长余辉现象。测得的激发态寿命短于体材料而长于普通的纳米晶,可能是由于一维纳米结构的独特性质导致的。     

子宫内膜癌组织近红外光谱预处理与波段选择研究

应用近红外光谱技术对子宫内膜组织病理切片进行快速无损检测。收集了154样品光谱,其中正常样本的个数36个,增生的60个,癌变的58个。由于原始光谱中包含大量干扰信息,所以光谱预处理方法和波段选取的方法在近红外光谱分析中占有非常重要的地。利用多种预处理方法,包括一阶导数、多元散射校正、多项式最小二乘拟合求导、标准归一化、平滑、移动窗口中值滤波,对样品光谱进行了预处理。利用标准偏差谱来选取最优波段,选取的最优波段范围为4 000~6 000 cm-1。然后用处理后的光谱数据进行主成分分析,分类准确率达到100%。研究结果表明近红外光谱技术结合化学计量学方法可以作为一种癌症快速诊断的新技术,对于癌症的早期诊断和癌症组织的恶化过程研究具有重要的意义。