油井水泥缓凝剂AID的合成与性能评价

针对目前常用的二元共聚物类水泥缓凝剂耐温性能差,及以丙烯酰胺(AM)为原料之一的三元共聚物类缓凝剂中AM易高温分解的问题,用N,N-二甲基丙烯酰胺(DMAM)取代AM,选取2-丙烯酰胺基-2-甲基丙磺酸(AMPS)、衣康酸(IA)和DMAM等3种单体,根据自由基水溶液聚合原理,合成了三元聚合物类缓凝剂AID。通过凝胶色谱分析、红外光谱测定和热失重试验,分析了AID的结构和耐温性能,评价了其缓凝性能与对水泥石抗压强度的影响。试验结果显示:AID耐温可达355 ℃,热稳定性好;单体AMPS、IA和DMAM的质量比为10:4:1,反应温度为60 ℃,引发剂K2S2O8的加量为2.0%及反应时间为5 h的条件下,合成的缓凝剂性能较好;加入0.5%AID的水泥浆其稠化时间比未加AID的水泥浆长2倍之多;相同AID加量下,90~150 ℃温度范围内水泥浆的稠化时间均在300 min以上,水泥石强度发展均在14 MPa以上。研究表明,缓凝剂AID能显著延长水泥浆稠化时间,温度适应性强,对水泥石抗压强度的影响不明显,具有一定的应用前景。      

基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法

使用AlexNet实现胃肿瘤细胞图像分类时，存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题，提出基于径向变换（RT）的数据增强（DA）和改进AlexNet的方法。将原始数据集划分为测试集和训练集，测试集采用剪裁方式增加数据，训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集；然后选取其中一部分进行RT处理达到增强效果。此外，采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明，所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别，在测试集中最高准确率为99.50%，平均准确率为96.69%，癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958，表明该方法较好地实现了胃肿瘤细胞图像的识别。     

面向FT-M7002的Sobel边缘检测算法优化实现

边缘检测是图像处理与计算机视觉领域中一种重要的图像分析方法,Sobel算子常用于粗精度的边缘提取,在图像边缘检测中被广泛应用。随着国产飞腾（FT）系列高性能数字信号处理器的发展,图像处理领域对FT平台的需求日益提高,同时急需实现面向FT平台的高性能图像处理算法。针对上述问题,在FT-M7002平台上对Sobel边缘检测算法进行向量并行优化,使用FT-M7002处理器内嵌SIMD指令,挖掘Sobel边缘检测算法中的数据级并行性,同时设计并实现一种字符型与整型数据间的并行化转换接口,使用循环展开优化方法提升指令节拍数,通过DMA矩阵转置解决数据访存不连续的问题。采用双缓冲技术实现数据传输与内核计算的并行,从而隐藏数据传输与计算之间的时间间隙。对比分析多种卷积核大小及图片规模下原Sobel算法与优化算法的性能,结果表明,与原始算法相比,该优化算法能取得1.66~3.14倍的加速比,此外,相较TMS320C6678处理器上的运行结果,在FT-M7002平台上优化算法可达到1.87~2.08倍的加速效果。