就诊等待服务APP适老化设计研究

目的 将数字化服务融入老年患者就诊流程，建立适老化就诊等待服务系统，在APP开发设计研究中实现软件流程优化。方法 依据ERG理论对老年患者在就诊等待过程中的需求点进行分类整理和层次划分。调研目标用户将分析结果融入服务设计理论，为指导软件开发所涉及的医院就诊流程、用户需求痛点，提出系统性的解决策略。基于交互设计原则展开APP界面设计。结论 构建了以老年患者为中心的就诊等待服务系统，帮助提升其等待过程中的自我效能。完善了基于产品使用方式层级的适老化就诊等待服务APP设计策略，为适老化、数字化产品研发提供了新思路;最终产出APP设计实例，提高了老年群体社会参与度，鼓励老年患者自主就诊，帮助其更加轻松地享受信息化时代带来的红利。     

江西省水系连通及水美乡村建设试点县实施方案编制存在的问题及对策

为提高水系连通及水美乡村建设试点县实施方案编制质量，更好地参加全国竞争性立项，本文分析研究了江西省55个水系连通及水美乡村建设试点县实施方案和相应的专家评审意见，对实施方案编制过程中存在的符合性、完整性不够，实施范围情况调查不准等七个方面突出问题进行梳理剖析，并提出相应对策，可为实施方案编制提供参考。     

异螺距万分尺设计

介绍了一种螺旋万分尺的结构设计。该万分尺的微分筒采用双螺纹,两螺纹的螺旋方向相同,螺距不同。采用V型槽和V型块精确定位来增加量程。测量最小刻度可达0.001 mm,读数精度达0.0001 mm。万分尺采用纯机械结构,结构原理简单,制造安装方便。     

Ca(Y, Lu)2Al4SiO12∶Mn4+的制备与发光性质研究

采用高温固相法制备了CaY2-xLuxAl4SiO12:0.006Mn4+ (x=0,0.6,1,1.4,2)荧光粉.研究了Y/Lu组份的变化对荧光粉的晶体结构和发光性能的影响.研究发现,随着Lu组份的增多,荧光粉的吸收峰和发射峰位置都出现蓝移.研究了Mn4+掺杂浓度对CaLu2Al4SiO12∶yMn4+发光性能的影响,发现在掺杂浓度为y=0.004时出现了浓度猝灭现象,浓度猝灭是由Mn4+之间的电偶极电偶极相互作用引起的.研究了不同Mn4+掺杂浓度的CaLu2Al4SiO12∶Mn4+荧光粉的荧光寿命,荧光寿命随着Mn4+掺杂浓度的增大而逐渐降低.     

气相色谱-三重四极杆质谱法快速测定糙米中氟虫腈及其代谢物残留

目的建立气相色谱-三重四极杆质谱(gas chromatography-triple quadrupole mass spectrometry,GC-MS/MS)测定糙米中氟虫腈及其代谢产物氟甲腈、氟虫腈砜、氟虫腈硫醚残留的的分析方法。方法糙米加水涡旋混匀后乙腈提取,通过N-丙基乙二胺(primary secondary amine,PSA)、C_(18)粉末、石墨化炭黑(graphitized carbon black,GCB)粉末净化提取液,气相色谱-三重四极杆质谱多重反应离子监测模式(multiple reaction monitoring,MRM)检测,以外标法定量。结果在1～50μg/L范围下,氟虫腈及其代谢物具有良好的线性关系,相关系数(r)均大于0.99,在2、10、20μg/kg 3个添加水平下,氟虫腈及其代谢物的平均回收率为91.6%～109.9%,相对标准偏差(relative standard deviation,RSD)为4.3%～6.3%。氟虫腈及其代谢物在糙米中的定量限为0.2～0.5μg/kg,定量限添加回收率在85.0%～108.0%,RSD为5.9%～6.9%。结论该方法操作简单快速、试剂耗材消耗少、灵敏度高,适用于快速处理大批量糙米中氟虫腈及其代谢产物的残留量检测。     

《轮胎中限用物质的限量要求》标准解读

介绍GB/T 38529—2020《轮胎中限用物质的限量要求》的相关内容。该标准的制定有利于提升国内轮胎产品的技术含量和附加值、规避环保技术壁垒；标准规定了橡胶轮胎（含内胎、垫带）中不应使用的原料、限用物质及限量要求、测试方法、试样制备及符合性判定原则；其中轮胎和填充油中多环芳烃含量分别按照ISO 21461：2012中核磁共振波谱法和EN 16143：2013中气相色谱-质谱法测定。     

再生纤维素膜在水处理中的应用研究进展

膜分离技术具有分离效率高、易控制、无污染等优点，成为水处理技术的首要选择。商品有机膜主要为聚砜类、聚偏氟乙烯类合成高分子膜和再生纤维素及其衍生物类天然高分子膜。本文在对不同分离膜的优缺点及应用领域概述的基础上，对再生纤维素微滤膜、超滤膜和纳滤膜的制备、化学改性及应用现状进行了综述，进而阐述了分离性能、力学性能及抗污染性能对再生纤维素膜在水处理中的影响与研究进展。     

改进的卷积神经网络单幅图像超分辨率重建

针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷积神经网络结构。原始低分辨率图像输入网络，利用密集残差学习网络获取更丰富的有效特征并加快特征梯度流动，其次通过反卷积层将图像特征上采样到目标图像大小，再利用密集残差学习高维特征，最后融合不同卷积核提取的特征得到最终的重建图像。在Set5和Set14数据集上进行了实验，并和Bicubic、K-SVD、SelfEx、SRCNN等经典重建方法进行了对比，重建出的图像在整体清晰度和边缘锐度方面更好，另外峰值信噪比（PSNR）平均分别提高了2.69?dB、1.68?dB、0.74?dB和0.61?dB。实验结果表明，该方法能够获取更丰富的细节信息，得到更好的视觉效果，达到了图像超分辨率的增强任务。