生态社会的召唤

人类发现自身陷入一种境地，在那里似乎没有真正意义的途径使我们从围绕自身的技术型企业中解脱出来，所以我们需要创造一个走向生态纪元的社会。很多社团近期已经热心于进入一个生态社会并在一些领域采取行动，这些领域便是新故事、生物区域主义以及生态特征。     

大豆内生细菌种群多样性PCR-DGGE分析方法的优化研究

建立了一种适合研究大豆内生细菌种群结构的PCR-DGGE分析方法,筛选适合分析大豆内生细菌的引物,采用巢氏PCR方法获得内生细菌16S rDNA的V6、V7、V8三个高变区,通过优化DGGE技术的变性梯度范围、电泳时间和上样量的大小来获得最佳的DGGE条带图谱。经过优化确定了适合大豆内生细菌研究的引物为968F-1378R,变性剂梯度为40%～60%,且在电压180 V时电泳时间6 h最为合适,上样量为15μL时可获得高分别率的DGGE条带。     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。     

苯基官能化MCM-48介孔材料的制备和表征

以正硅酸乙脂为硅源,十六烷基三甲基溴化铵为结构模板剂,苯基三甲氧基硅烷为偶联剂,用共水解缩聚一步合成了苯基官能化的介孔二氧化硅(C6H5-MCM-48)材料.用小角X射线衍射(SAXRD)、红外光谱(FT-IR)、热重分析(TGA)和N2吸附-脱附对材料进行了表征.结果表明,苯基已成功键合至孔道表面形成了无机/有机介孔复合体材料,且具有MCM-48的孔道结构特征,改性后的C6H5-MCM-48较纯硅MCM-48材料具有较窄的孔径分布,较大的孔体积和较高的比表面积.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

多层吸波体优化设计的单纯形方法

讨论了用于多层吸波体计算机辅助设计的单纯形优化方法，借助这一方法可以实现对多层吸波本的优化设计．     

基于RHTC网络的飞机目标检测与精细识别

飞机目标的方向检测和精细识别是高分辨率光学遥感图像解译领域的一个重要任务。针对遥感图像中多方向密集排布飞机的方向检测和识别困难问题, 提出一种基于旋转混合任务级联(rotated hybrid task cascade, RHTC)网络的飞机检测识别方法。首先, 基于混合任务级联(hybrid task cascade, HTC)网络, 扩展分割分支数量, 并将分割分支与包围框分支多层级联以不断加强语义特征。其次, 设计了一个新的斜框回归器, 将其添加在掩膜分支的最后一层以完成目标方向预测。最后, 增加一个新的方向损失函数以优化训练过程, 从而完成RHTC网络构建。在数据预处理阶段, 构建了每类型号飞机目标的精细掩膜以增强目标细节和提高掩膜预测精度。基于DOTA和公开Google图像构建的飞机数据集开展了多组实验。结果表明, 与其他多种先进的方法相比, 所提方法在飞机检测方向精准度和类别平均精准度上性能更优。此外, 所设计的斜框回归器和方向损失函数在嵌入到其他分割网络时也具有良好的性能。     

介孔材料固相微萃取-高效液相色谱联用测定水样中邻苯二甲酸二乙酯

以苯基键合MCM-41为固相微萃取(SPME)的吸附涂层,与高效液相色谱(HPLC)联用测定了水样中的邻苯二甲酸二乙酯(DEP),考察了吸附和解吸时间、萃取温度、搅拌速率对SPME效率的影响.该方法的线性范围为1.12×10-4～1.12×10-10 g·L-1,检出限为0.027 ng·L-1.SPME与HPLC联用测定了多种水样中DEP,具有灵敏度高和精密度好的特点.