浊点萃取-原子吸收光谱法测定生物试样中微量锰

研究了浊点萃取(CPE)-火焰原子吸收光谱法(FAAS)测定微量锰的新方法.利用表面活性剂聚乙二醇辛基苯基醚(Triton X-100)和络合剂2[(5-溴-2-吡啶)-偶氮]-5-(二乙氨基)苯酚(5Br-PADAP)对试样中的锰(Ⅱ)进行浊点萃取.详细探讨了影响浊点萃取及测定灵敏度的因素.在最佳条件下,锰的富集倍率为10,检出限为4.18 ng/mL(n=11),RSD为2.3%(CMn2 =0.20 μg/mL,n=5),锰含量在0.010～0.50 μg/mL范围内服从比尔定律.用该方法对经微波消解黄豆试样中的锰进行富集和测定,结果令人满意.     

浊点萃取在金属离子分析中的应用

通过表面活性剂浊点特性实现胶束相分离以达到样品预富集,是一种新兴的液 -液萃取方法。该方法广泛应用于痕量有机物、金属离子(通过形成螯合物)以及生物大 分子的提取,具有低毒、高效、安全、简便等特点,其富集率最高可达100％。     

浊点萃取在原子吸收光谱分析中的应用进展

浊点萃取(Cloud Point Extraction,CPE),是基于非离子型表面活性剂溶液的浊点现象和胶束增溶效应而建立的一种萃取技术。大部分金属螯合物具有微溶于水的特性,与表面活性剂的疏水基团结合,富集于小体积的富胶束相内,亲水性物质仍留在水相中。再经两相分离,即可实现样品中的目标化合物的分离和富集。浊点萃取法的优点:避免使用对人体有害的挥发性有机溶剂,不污染环境,安全;试剂消耗少,经济;减少萃取时间,快速高效;操作比较简便;对各种分析物具有高的萃取效率,富集倍数大;易于与仪器分析方法联用等。浊点萃取是分离和富集痕量金属离子的有效方法,是一种有发展前途的环境友好的分离富集技术。     

微波萃取-液相色谱法测定塑料产品中的苯酚

目的：建立并验证了用高效液相色谱法测定塑料产品中苯酚残留量的含量。方法：以甲醇为溶剂,采用微波萃取塑料产品中的苯酚,以高效液相色谱仪-紫外检测器进行检测,以相对保留时间定性,峰面积定量。结果：该方法回收率为98.99%～102.08%,RSD%为3.43%～5.75%,最低检出限为0.05mg/kg;结论：实验表明该方法对塑料产品中苯酚含量的测定操作简单,方便,结果准确。     

太阳紫外光谱监视器的概念设计

本文论述了太阳紫外光谱监视器概念设计的内容,方法及各种后处理技术手段,并用计算机辅助设计方法完成了太阳紫外光谱监视器壳体的线框、面、实心体模型及监视器整体的概念设计。     

紫外光谱法快速测定两相葡萄糖酸水解反应体系中的羟甲基糠醛

建立了紫外光谱法快速测定两相葡萄糖水解液中羟甲基糠醛（HMF）的方法。实验表明,在无水乙醇溶液中,HMF在281nm处具有最大吸收峰,因此,可用该方法对HMF进行定量检测。该方法简单、快速,具有较好的精密度和准确性,适于生物质水解生产羟甲基糠醛的快速定量分析。     

乙酰乙酸乙酯互变异构体的紫外光谱研究

本文以紫外光谱为手段研究乙酰乙酸乙酯的酮-烯醇式互变异构现象;所得结果证实其烯醇式含量随溶剂极性的增加而减少。     

双模式紫外光谱辐射计的波长机构精度分析

通过对双模式紫外光谱辐射计中波长扫描机构的系统误差进行分析和计算,确定仪器的波长读数精度值。选用标定过的低压汞灯谱线和氘灯,分别在常压和真空环境测试不同模式下的波长读数值,并采用最小二乘法拟合紫外光谱辐射计在工作波段内波长读数值,验证波长读数精度≤±0.03nm。     

新型萃取技术-原子吸收光谱在食品内重金属分析中的应用

食品安全是人们普遍十分关心的问题,发展新的食品检测技术有关于民生的大事,具有十分的重要的意义。食品分析涉及营养成分、添加剂、有毒有害的有机农药残留和无机重金属杂质检测等多个方面。本文仅介绍了新型绿色萃取技术结合原子吸收光谱在食品中有毒有害重金属组分检测中的应用,绿色萃取技术包括固相萃取(SPE)、单滴微萃取(SDME)、分散液-液微萃取(DLLME)、浊点萃取(CPE等),以及室温离子液体(RTIL)、分子印迹聚合物(MIP)在萃取中的应用。引用文献50篇。     

流动注射法与分光光度法对环境水体中挥发酚测定的比较研究

通过实验,分别采用间隔流动分析法和4-氨基安替比林分光光度法对水中挥发酚进行测定,并对2种方法的测定原理、分析过程及其样品的精密度、准确度和回收率进行实验研究。结果表明2种分析方法对标准样测定和实际水样分析均满足水质监测的技术要求。     

应用改进迭代最近点方法的三维心脏点云配准

在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法(PCA)实现粗配准的基础上,提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。     

Wheel alignment inspection by 3D point cloud monitoring

Today’s wheel alignment inspection systems adopt various computer vision technologies. They, however, require high-end cameras, precisely manufactured targets, and massive calculation loops because they rely on low-dimensional data (two-dimensional images) for measuring higher-dimensional information (three-dimensional orientation) of the wheel posture. To improve this, a simple and inexpensive method using a consumer-grade depth-sensing camera such as Kinect is presented. It directly utilizes point clouds generated from its range image stream. All points within the region of interest (ROI) contain geometrical information of the wheel and are used for the alignment inspection procedures. Its feasibility is evaluated by examining whether the orientation could be aligned to the desired orientation using only the point cloud data. For verification, a one-wheel-based prototype was implemented, and comparative experiments with an existing commercial system were conducted. The experimental results showed that the proposed method provides satisfactory performance. We believe that the proposed method is feasible for practical usage and has a great potential to be an effective alternative to existing wheel alignment inspection methods.     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

基于深度学习的三维点云分析方法研究进展

点云是目前自动驾驶、机器人、遥感、增强现实(AR)、虚拟现实(VR)、电力、建筑等领域最常用的三维数据处理形式,深 度学习方法能够处理大型数据,且可自主提取特征,因此点云深度学习方法已逐渐成为研究热点。 本文综述了近十年来基于深 度学习的三维点云分析方法的研究进展。 首先给出了三维点云深度学习的相关概念;然后针对点云目标检测与跟踪、分类分 割、配准和匹配以及拼接这 4 种任务,分别阐述了相应的深度学习方法的原理,分析并比较了各自的优缺点;随后整理了 18 种 点云数据集和 4 种点云分析任务的性能评价指标,并给出了性能对比结果;最后总结了点云分析方法目前存在的问题,对进一 步的研究工作进行了展望。     

颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。     

利用点云数据的法矢及曲率估算

测量数据的微分几何属性估算是逆向工程中区域分割以及曲面拟合的基础,对逆向工程研究具有重要意义。简单介绍了基于坐标转换法的法矢和曲率估算方法;以迭代的方式对估算值进行优化,提高了点云法矢和曲率估算的精度;试验结果表明,迭代优化方法简单可行,能够计算出精确的结果。     

利用IGES的人工骨三维结构生成过程中的数据转换

为了解决人工骨三维结构生成过程中编程生成数据与CAD/CAM系统之间的数据转换问题,设计了基于初始化图形交换规范(IGES)的文件格式数据转换模块,实现了将程序所生成人工骨三维结构数据转换为标准数据格式的IGES文件,该文件可以被CAD/CAM系统正确读取。经过测试,几何数据转换完整,结果可靠。     

点云直接生成模具数控程序的算法研究

根据已有的预处理之后的零件点云数据,提出了一种由点云直接生成模具数控加工程序的方法。主要讨论了如何利用主元素分析法求曲面局部的法向量,并利用曲面的法向量的反向和偏置得到模具的曲面全局法向量,从而计算出模具的刀位点并生成刀位轨迹。介绍了工件坐标系与机床坐标系之间的坐标变换方法,最终求出生成模具的数控加工G代码,并通过实例验证了算法的准确性、有效性。     

用于增材制造的点云直接分层算法

针对三维点云分层问题,将连续层片构造过程解释为对运动曲线的追踪,提出一种非监督神经网络用于从散乱点中增量式重构各层曲线.首先用分层平面对点云重采样得到二维样本点,然后逐个输入网络,使其动态增长、删除、移动、改变连接,从而抽取样本的局部主成分和拓扑结构.网络在当前层学习收敛后,其结构表达了一组多义线,该组多义线同时作为下...