排序方式: 共有13条查询结果,搜索用时 390 毫秒
1.
利用多接收器电感耦合等离子体质谱法精确测定天然岩石样品中的铼含量 总被引:5,自引:0,他引:5
利用多接收器电感耦合等离子体质谱(MC-ICPMS)精确测定了天然岩石样品的铼含量。在膜除溶雾化进样条件下,铼测试样品中加入铱标准溶液,通过在线监控铱同位素的质量分馏行为来校正铼同位素的质量分馏。实验发现,铼和铱的质量分馏系数(fRe和 fIr)是不相等的,如果认为 fRe=fIr,将会导致187Re/185Re同位素比值偏低,但是 fRe/fIr比值固定不变,这样可以通过已知的 fIr 计算出 fRe,从而得到准确的187Re/185Re同位素比值。本工作利用这种经验的质量分馏校正方法,精确的测定出天然铼标准样品的187Re/185Re同位素比值为1.674 3±0.000 1(2σ, n=25),该结果与国际纯粹与应用化学委员会(IUPAC)推荐值(1.674 0±0.001 1)以及与N-TIMS测定值(1.675 ±0.001 4)在误差范围内一致。而且,采用该经验的质量分馏校正方法测得的天然铼标准样品的187Re/185Re同位素比值与采用 fRe=fIr 校正结果相比,准确度和外部重现性都明显提高。最后采用该方法准确测定出了天然岩石中Re含量,该结果与N-TIMS测定结果吻合。 相似文献
2.
3.
4.
5.
6.
7.
8.
固结磨料研磨垫的表面形态与其加工性能有着密切关系,为更好地了解固结磨料研磨垫表面形态,尤其是研磨垫中的金刚石、孔隙、金刚石脱落坑等的分布特征,提出一种基于深度学习的固结磨料研磨垫表面形态分析方法。首先,利用徕卡DVM6数字显微镜及其配套软件获取固结磨料研磨垫表面图像;然后,采用python3+OpenCV对图像进行预处理,并利用标注软件Labelme对图像进行标注,用于后续的训练和测试;最后,运用深度学习框架Tensorflow搭建Mask R-CNN模型。结果表明:Mask R-CNN模型能对单一固结磨料垫表面图像中的多目标进行有效分割与识别,其主要评价指标平均准确率达到78.9%,达到了图像识别的主流水平。 相似文献
9.
10.