[PW12O40]（C2N3H4）3·6H2O的水热合成和晶体结构

在水热条件下,合成出一例新的具有Keggin型结构的杂多酸化合物[PW12O40]（C2N3H4）3·6H2O（1）。利用单晶X-射线衍射分析了该化合物的结构,结果表明该化合物属于三方晶系,R-3空间群,晶胞参数为a=1.79590（3）nm,b=1.79590（3）nm,c=2.43480（5）nm,α=90°,β=90°,γ=120°,V=6.8008（2）nm3,Z=6,R1=0.0458,ωR2=0.1116。在该化合物中,质子化的1,2,4-三氮唑与[PW12O40]3-通过氢键作用形成三维超分子结构。     

河北“金三角”地区金矿地质特征及找矿方向

河北省西北部的宣化、崇礼、赤城三县交界部位为一金矿集中分布区域,被称作"河北金三角"。该区位于华北地台北缘内蒙地轴和燕山台褶带两个Ⅱ级构造单元中。尚义—赤城深大断裂横隔于内蒙地轴与燕山台褶带之间,由其派生的一系列构造与太古宇桑干群变质岩以及海西期、燕山期形成的岩浆岩三位一体,构成该区热液型金矿床的三大控矿因素。长期开发使其目前保有资源储量所剩无几,需尽快探寻新的矿源。综合研究认为,"金三角"成矿地质条件优越,仍具较大的找矿潜力。     

干式镀膜在织物表面改性中的应用

本文介绍了"绿色镀膜"技术——干式镀膜技术的应用领域,着重介绍了干式镀膜中的真空蒸镀膜技术、真空溅射镀膜技术、离子镀膜技术以及等离子体化学气相沉积技术的原理及与纺织相关的研究和应用,并对其应用前景进行了展望。     

航空红外相机自动调焦设计

为克服恶劣复杂的航空环境给系统带来的失焦现象,系统中引入自动调焦模块。通过采集、分析不同程度失焦的中波红外图像序列,对空域内几种调焦评价函数的灵敏度、无偏性、稳定性、计算速度等指标进行测试和验证,最终得到适合于红外成像自动调焦系统的调焦评价函数。为了提高该调焦评价函数的信噪比,提出了一种基于图像预处理的信噪比改善算法,保证函数在正焦面两侧呈单调性。最终制定出粗细结合的快速爬山搜索策略,先以大步距进行粗略调焦缩短时间,再用低于半倍焦深的小歩距精细调焦保证精度。基于640×512中波制冷探测器,搭建了一个焦距为300 mm、F/2的卡塞格伦折反式红外光学系统。试验结果表明该自动调焦模块可以保证实时性和准确性,满足具有较大噪声的红外成像系统的需要。     

升船机下游引航道非恒定流计算

本文应用特征偏心差分法,对升船机承船厢下水及出水时所引起的下游引航道的非恒定流进行了一维和二维水力计算,同时计算分析了下游波动对停泊船只的影响,并将部分计算成果与试验结果进行了对比分析。此外,本文还对船厢最优运行方案等作了探索性计算,得出了一些对实际工程具有参考价值的结论。     

艺术展之旅

艺术展览作为艺术家和美术作品的重要载体,记录着艺术发展过程。2010年世博会在上海召开,许多人已经提前订好了票——如今的各种艺术展览已经成了我们艺术化生活的一部分。艺术展览作为一种将艺术作品呈现给观众的媒介,是现代城市文明发展到一定阶段而出现的,而在当代社会的公共领域中,以展示最前沿艺术为宗旨的当代艺术展览是有别于艺术博览会的,它是公众认识和了解当代艺术的一种有效途径,是在当代生活中日渐形成的一种特定的展示文化。很多身居海外的人们,他们在观看了大量的艺术展览后,认识到了欧洲艺术展览机制与中国的不同,本文简单对欧洲几国艺术展览的介绍,从中吸取经验,对中国艺术展览带来新的借鉴。     

Excel在水质监测数据处理及评价中的应用研究

为解决水质监测评价工作通常采用手工进行数据处理与分析评价存在工作量大和效率低且容易出错的弊端,利用Excel强大的函数分析功能,将其合理有效地运用在水质分析评价上将节约成本且事半功倍。结合水利部门水质监测评价工作的实际需要,将Excel在数据处理—监测评价—统计分析—公报通报的一系列流程中进行系统归纳,使实际工作质量与效率兼顾,实用性极强。     

深度学习中的单阶段车辆检测算法综述

随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应用,分别对比了各类常用单阶段车辆检测算法,列举其改进措施以及在车辆检测方面存在的问题;重点阐述了基于常见单阶段车辆检测算法针对现有问题采取的相关改进以及应用领域;简要介绍了车辆检测相关数据集,对现阶段车辆检测中亟待解决的问题与难点进行了分析,提出了车辆检测未来的研究方向。     

深度学习中的单阶段小目标检测方法综述

随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用。但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低。针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术。首先从单阶段目标检测方法的AnchorBox、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向。