多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚固相微萃取涂层的制备及多环芳烃的检测

多环芳烃(PAHs)是持久性有机污染物中的一种，大部分具有较强的致癌、致畸和致突变性，对生态环境和人类健康易造成严重威胁。由于环境样品基质复杂且其中PAHs含量低，因此在仪器分析之前需要对环境样品进行必要的前处理。萃取材料的特性是决定大部分前处理技术萃取效率的关键。基于此，本文以低成本且富含较多官能团的吡咯(py)、2,3,3-三甲基吲哚(2,3,3-TMe@In)为单体，多孔氮化硼为掺杂物，采用电化学循环伏安法制备出多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚(Ppy/P2,3,3-TMe@In/BN)复合涂层，通过扫描电子显微镜、热稳定性分析、傅里叶红外光谱等手段对Ppy/P2,3,3-TMe@In/BN进行表征，结果表明：该涂层呈现出多孔、多褶皱的枝状结构，该结构有利于增加涂层的比表面积，从而实现对PAHs的大量富集；在320℃解吸温度下，涂层材料的色谱基线基本稳定，表明该涂层具有良好的热稳定性。将其修饰在不锈钢丝表面制成固相微萃取涂层，结合气相色谱-氢火焰离子化检测器，对影响萃取和分离萘(NAP)、苊(ANY)、芴(FLU)3种PAHs的条件进行优化，建立了用于以上3种PAHs...     

单元教学设计过程中的“教学问题链”设计——以上海科学技术出版社《物理·必修》(第三册)静电场单元为例

根据教育部颁布的《普通高中物理课程标准(2017年版)》,在上海市物理教育教学基地(上海高校“立德树人”人文社会科学重点研究基地)的大力支持下,由上海市教育委员会组织编写的上海高中物理非统编教材进行了正式使用前的试教试用活动,此教材是在上海高中物理“二期课改”教材的基础上全面改写而成的.单元教学设计已成为当前教学设计的焦点问题,以《物理·必修》(第三册)静电场单元为例,详细阐述了“教学问题链”的设计理念,希望与广大一线教师交流试教试用的心得与反思,推动新课改课堂转型.     

初中数学中方程的应用

方程是初中数学中的重要内容.方程应用广泛、变形较多,使得与它相关的考题也有着各式各样的表现形式.本文将讨论方程应用的常见三种题型:由实际问题抽象出一元二次方程、高次方程和无理方程,以具体的案例为引导讲授解法,并阐述方程的实际应用和命题形式.     

考虑非结构性的多级生产流程调度方法

针对智能化柔性制造过程存在的再制造过程,对中小型设备生产车间及其仓储转运的模型构建、分析方法、以及参量相关性提出了新的解决思路.为了最大限度的减少建设周期、合理化投资成本、以及优化生产流程,建立了考虑非结构性的多级生产流程的数学模型,以完成度、完工时间和调度频次为目标函数分析生产要素间的相关性.实验结果表明,融合再加工过程的智能化柔性制造单元中,生产要素为非线性相关,个别要素具备对称性,为实际工况中的生产改进及优化提供了一定理论基础.     

一道试题解法的精彩演绎

一、原题呈现例1(1)如图1,若BC=6,AC=4,∠C=60°,求△ABC的面积;(2)如图2,若BC=a,AC=b,∠C=α,求△ABC的面积;(3)如图3,在四边形ABCD中,若AC=m,BD=n,对角线AC、BD交于O点,它们所成的锐角为β,求四边形ABCD的面积.说明:这是《中学数学》(下)2014年第8期文1给出的一道关于三角函数方面的复习题.评析:本题源自高中课本,主要目的是引导学生经历从特殊到一般的过程去探索并发现三角形的面积公     

立足错因分析,强化解题指导——一道选择题纠错教学的启示

在近期进行的一次"相似形"单元练习中,一道选择题的"蹊跷"出错引起了笔者的关注.在批阅试题后,笔者决定以此题为例题,设计了一次解题教学.通过错因分析,让学生获得此类问题求解时的避错策略,突破试题讲评"就错论错"的困境,放大了"错误"资源的教学效应.现结合这道选择题的教学历程谈一些感悟,希望能给您带来启示.一、原题分析题目:如图1,在四边形ABCD中,AB∥CD,∠C=90°,∠BDA=90°,AB=a,BD=b,CD=c,BC=d,AD=e,则下列等     

一类具非光滑位势p(x)-Laplace方程解的存在性

在非光滑临界点理论的基础上,利用带非光滑(PS)条件的山路引理,结合嵌入定理和Lebourg中值定理,获得了一类具非光滑位势p(x)-Laplace方程解的存在性.     

惯性约束聚变实验中空间干涉检测与预警系统设计

针对惯性约束聚变实验中多诊断系统在有限空间同时作业引发碰撞风险的问题，设计了基于碰撞目标检测和空间距离测算方法的空间干涉检测与预警系统，分析了真空靶室特定环境下不同实现方法的适用条件和可行性。实验室条件下模拟验证结果表明，基于结构光深度图像获取方法可获得较好的碰撞距离测量精度，在靶室半径探测距离内空间测距误差不大于3cm，为靶室空间干涉检测与预警提供了一种可行的解决方案。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。