添加0.05％(La+Ce)对SnXCuNi焊料与Cu基板间界面组织的影响

在Sn-4.1X-1.5Cu-Ni焊料合金中添加0.05％(质量分数,下同)(La+Ce),对焊料/Cu焊点等温时效后其界面组织的变化规律以及界面金属间化合物的形成和生长行为进行分析研究,结果表明:随着等温时效时间的延长,Sn-4.1X-1.5Cu-Ni/Cu和Sn-4.1X-1.5Cu-Ni-0.05(La+Ce)/...     

Sn-X-Cu-Ni无铅焊料的显微组织和性能研究

为了获得低成本和性能良好的无铅焊料,本文对Sn-X-Cu-Ni焊料的微观组织及物相成分、熔点、润湿性和抗拉强度进行了分析研究.结果表明,Sn-X-Cu-Ni焊料中主要由β Sn、XSn化合物和Cu6Sn5化合物组成,Sn-X-Cu-Ni焊料合金的熔点随X含量增加而增高;当X的含量为4.5％时,焊料的铺展性最好,抗拉强度也最大.     

一种改进的RANSAC图像匹配算法

图像匹配（Image registration）是将不同时间、不同成像设备在不同条件下（气候、光照、方位等）获取的两幅或多幅图像进行匹配的过程。图像匹配是图像分析和处理的基本问题,在计算机视觉、模式识别、医学图像处理、遥感融合、影像分析等领域都有重要应用。采用最广泛的是基于特征点的图像匹配算法,其中用得最多的是采用SIFT（scale invariant feature transform）算子来描述一幅图像的特征,进而采用RANSAC算法来剔除误匹配点。然而传统RANSAC算法在图像不同尺度上去掉误匹配点的精度不高。因此,本文提出一种改进RANSAC算法的图像匹配算法,可以大大提高特征点的寻找和匹配精度,得到较好的匹配结果。     

新型无铅焊料Sn-X-Cu-Ni的性能研究

利用化学元素周期表上第VA族X元素和Ni元素代替Sn-Ag-Cu系列中的Ag制备出一种新型无铅焊料.用DSC测量了合金焊料的熔点,并考察了其润湿性和焊接接头强度,实验结果表明:Sn-X-Cu-Ni系新型合金焊料与Sn-Ag-Cu系和Sn-Cu系合金相比其润湿性和焊点剪切强度有明显的改善,焊点拉伸强度略有提高,但熔点有所升高.     

冷却速度对Sn-Bi-X合金微观组织的影响

在Sn-5.0X-1.5Cu-Ni焊料合金中添加10%(质量分数,下同)的Bi,以期降低焊料熔点的同时消除Bi的偏析和合金脆性,研究了浇铸空冷和真空吸铸水冷两种不同冷却速度下无铅焊料合金的微观组织。用X射线衍射分析的方法,按最小二乘法原理,精确测定β-Sn的点阵参数,对Sn-10Bi-5.0X-1.5Cu-Ni合金的固溶度进行了测定;采用光学显微镜、扫描电镜和透视电镜观察合金微观组织和结构;通过DSC分析焊料的熔化和凝固过程;并测试了焊料的润湿性和力学性能。结果表明:随着凝固速度增加,晶格常数进一步增大,Bi在Sn中的固溶度也得到了提高;缓慢冷却的浇铸态合金显微组织中存在着大量的粗大针状Sn-Bi共晶组织,吸铸态合金组织中Bi以细小颗粒状均匀分布在Sn基体,没有偏析相形成,吸铸快冷条件下制备的Sn-10Bi-5.0X-1.5Cu-Ni的熔点为208.96℃,具有优良的润湿性,合金和焊点具有良好的力学性能。     

电子出版系统的文件交流

电子出版系统涉及大量独立的应用软件,他们都有各自的文件保存格式,因此出现了几千种数据存储格式。使用专用格式存储的文件只有专门软件才能打开或保存,其它软件如果需要打开或保存这些文件需要调用文件转换程序来进行数据格式转换,不同格式之间的文字数据转换比较容易实现,而图像的格式转换则比较困难。     

气相色谱法测定矿石中二氧化碳

气相色谱法测定矿石等固体样品中气体成分,由于必须将被测组分转变为气体并载入色谱柱分离,因而存在着在密封情况下加试剂,分解试祥和色谱进样等困难。文献是在真空条件下实现加试剂和分解试样以及扩散法进样完成色谱分析的,故分析装置复杂,操作烦琐,分析速度慢,且难于应用。 本文根据气相色谱分析的特点,设计了一个小体积试样分解反应器,接入色谱仪。用盐酸分解碳酸盐,转换气路即可将析出的二氧化碳送入色谱分析系统进行分离和测定。本法装置简便,分析快速,准确性及重现性较好,少量金属及较大量硫化物等不干扰测定,适用于测定矿石中     

大数据背景下物联网工程嵌入式课程实践教学探究

浅析了国家层面对物联网和大数据人才的战略需求,以及高校在两个专业人才培养的近况,提出以"大数据背景下嵌入式设计"课程的特点为基础,结合计算机类物联网专业发展方向,有重点地选择与嵌入式软硬件处理相关的代表性算法,建立大数据、人工智能技术在嵌入式开发学习中的实际应用,将企业需求引入到人才培养课堂中来,不仅提高了学生的综合技术能力,还提升了他们的创新创业能力,为地方经济的发展提供人才服务。     

基于梯度相关性分解的无参考图像质量评价方法

目前大部分无参考型的图像质量评价方法都是基于图像的几何特征进行描述的,但是这种方法对于图像的边界要求较为严格,并且在实际应用中的图像的失真类型是未知的。针对这一缺点,提出一种基于梯度相关性分解的无参考图像质量评价(DGS)方法,该方法提取图像的梯度,对其进行奇异值分解作为图像的主要结构信息,以此对图像的质量进行评价。实验结果表明,DGS模型比通用的简单有效的峰值信噪比(或均方误差)模型更符合人眼视觉系统特性,能在无参考的情况下更好地评价图像质量,并与图像的主观评价值达到更准确的一致性。