基于固-液摩擦纳米发电机的海洋红外对射自供能发电胶囊

为了实现海上电子围栏中红外对射装置的自供能,同时降低供电成本和简化安装,设计了一种基于固-液摩擦纳米发电机的海洋红外对射自供能发电胶囊。对摩擦纳米发电机发电胶囊(PC-TENG)进行仿真电学分析与0.02～2.00 Hz工况下的实验,验证了PC-TENG可以将波浪能转换为电能。仿真模拟的最大电势为3.2 V,基于去离子水的PC-TENG最大短路电流和开路电压分别为27.38μA和2.84 V。为了提高装置的实用性和输出性能,采用更接近海水的摩尔分数4%的氯化钠溶液作为液体摩擦材料进行对比实验,最大短路电流和开路电压分别为21.62μA和2.08 V,验证了使用海水作为液体摩擦材料的可行性。最后,进行了耐久性测试,基于去离子水的PC-TENG短路电流和开路电压分别衰减了5.5%～6%和3%～4%,基于摩尔分数4%的氯化钠溶液的PC-TENG短路电流和开路电压均衰减了6%～7%,验证了发电的耐久性,为海上电子围栏供能提供了新的参考和思路。     

基于不同深度学习模型提取建筑轮廓的方法研究

建筑是城市精细化管理的基础单元，利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率（0.8 m）遥感数据，建立了北京市建筑轮廓样本库，利用多种语义分割模型U-Net、DANet、UA-Net(U Attention Net)和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价，通过对比不同类型建筑（如楼房、别墅及村庄建筑等）的提取效果，最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明：U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%，且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现；对比不同模型的识别效果发现，语义分割模型对于平房型建筑识别较有优势，实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓，这...