基于YOLO-FFD的水果品种和新鲜度识别方法

目的：改善现有水果识别与分级方法依赖于人工操作和复杂设备的情况。方法：提出了一种轻量化模型YOLO-FFD（YOLO with fruit and freshen detection），该模型以YOLOv5框架为基础，基于深度可分离卷积和GELU激活函数设计轻量化模块LightweightC3作为主干特征提取网络的基本单元，减少模型参数量和计算量，加快模型的收敛速度；使用大内核深度可分离卷积模块EnhancedC3改进原模型的颈部，抑制信息丢失并增强模型的特征融合能力，提高模型的检测精度；采用GSConv代替特征融合网络中的普通卷积，使模型进一步轻量化。结果：提出模型的平均精度均值达到了96.12%，在RTX 3090上速度为172帧/s，在嵌入式设备Jetson TX2上速度为20帧/s。相比于原始YOLOv5模型，平均精度均值提高了2.21%，计算量减少了26%，在RTX 3090和Jetson TX2上的速度分别提高了2倍和1倍。结论：YOLO-FFD模型能够满足识别水果品种和新鲜度的需求，且在复杂场景下错检、漏检情况均有改善。     

Si(001)外延ZnSe薄膜界面原子的结合与成键

基于密度泛函理论的第一性原理计算,通过对Si(001)和氮化Si(001)表面单层Zn/Se原子结合的方式,模拟ZnSe外延薄膜的二维生长模式,从单层原子结合能、界面原子电子得失、共价结合成键的角度解释了Zn/Se原子在衬底表面的黏附性问题,阐述了薄膜生长初期界面无定形Se出现等现象,分析了氮化Si(001)表面对薄膜二维均匀生长的作用,结果显示N的引入缓和了Si衬底的非极性共价结合与ZnSe原子间的极性离子键结合之间的异质差异。