近红外荧光探针的合成、表征及应用分析

近红外荧光探针的发射波长能避免生物组织的干扰,对生物成像有较高的效率。文章对钯检测、N_2H_4检测、苯硫酚检测作为近红外荧光探针的合成、表征及具体在细胞中应用的分析。希望能为近红外荧光探针的更多应用和发展趋势做出不一样的分析方向。     

原子吸收光谱仪日常维护与故障处理

原子吸收光谱仪是现阶段用于检测常量和微量因素的常规仪器,应用原子吸收光谱法针对常量和微量元素进行检测,主要应用于化学领域,但是随着检测技术的不断进步和发展,原子吸收光谱仪不断扩大应用领域,目前能够广泛应用于冶金、地质、采矿、农业及医药卫生等多个行业领域,原子吸收光谱仪的应用价值较高,适用于社会生产及生活的方方面面,加强对其的维护保养,定期检修发现并解决问题,对于有效延长原子吸收光谱仪的使用寿命具有重要的积极意义。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

一款超低功耗的便携式电场监测系统设计

当前市场上便携式电场监测设备待机时间普遍在4～8小时,待机时间短,限制了设备的使用场所和方便性,急需开发一款待机时间更长、户外也能放心使用的设备。作者从硬件和软件两方面着手设计出一款超低功耗系统,具有更低工作电流,可持续工作12小时以上。其中在硬件设计上,筛选微功耗处理器、减少外部器件数量、设计低功耗外围电路,如适用于系统的高效DC-DC电路、可转换的多晶振设计等。在软件设计上,选择处理器的最优微功耗功能、用中断代替查询、设计显示屏亮度可调等降耗设计。由此综合实现该款超低功耗系统,达到待机12小时的目标。目前该系统已顺利应用于便携式环境电场监测设备,并供货给国内某环境监测站、某国防院所以及某核电站。     

熔融制样-能量色散X射线荧光光谱仪分析硅酸盐中32 种组分

为充分发挥小型实验室设备的功能,实验采用熔融制样,使用台式能量色散X射线荧光光谱仪(10W, Rh靶)定量分析了硅酸盐样品中的Na₂O、MgO、Al₂O₃、SiO₂、P₂O₅、SO₃、Cl、K₂O、CaO、TiO₂、V、Cr、MnO、Fe₂O₃、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、As、Ba、La、Ce、Th、U、Hf、Pb等32种主、次、痕量组分。对3种不同的解谱方法进行比较,确定Na、Mg、Al、Si、P、As、Ce、Cr、Cu、Ga、La、Nb、Ni、Pb、Th、U、V、Y选择感兴趣区解谱,其余元素用高斯或经改进的高斯函数的最小二乘法拟合解谱。选用有代表性的多个硅酸盐类样品,比较了理论检出限及10次重复测定计算3倍标准偏差得出的检出限,发现以3倍标准偏差作为检出限再取它们的平均值则更具代表性和使用意义。各组分的检出限为0.2~1740μg/g。精密度试验表明,各组分测定结果的相对标准偏差(RSD)为0.12%~10.5%(Na为轻元素,由于含量低,小能谱测定的精密度稍差);对两个土壤标准样品进行正确度验证,测定值与标准值一致。