谈铜版画的迹象特征

绘画其本体语言就是指痕迹——迹象。研究迹象在画面中的作用具有重要的意义。铜版画中出现的迹象包括偶然出现的迹象、不同材料（自然材料、工业材料）带来的迹象和画家用刀、笔刻画出来的迹象。本文从技术层面论述了迹象在铜版画中的特征。     

纯毛精纺针织绒线工艺技术的研究

我厂生产的主要是精纺针织绒线和精纺面料纱。其中,纯毛针织绒线品种有20s/2、28s/2、 32s/2、 36s/2和48s/2。在纯毛针织绒线的生产过程中,曾就原料的选用、和毛油的使用、工艺参数的制订,以及品质控制等方面进行了试验研究,取得了一些较为满意的结果。 一、原料的选择与利用 精纺纯毛针织绒线是绒线中的高档产品。由于成衣以后,不再经过缩绒等工序,因此对纱的手感、光洁度、条干的均匀度等有较高的要求,这就要求选择比较好的原料,并根据不同的纱支,选择不同的细度、长度的毛条。对浅色的毛衫,还要进行毛条的色毛含量检查。有关原料的选择,…     

减少合同签约频次提高采购效率的采购模式应用

本文以新疆油田公司物资供应总公司应用框架协议物资采购模式,减少合同签约频次、提高采购效率为研究对象,对通过改变合同签约方式和管理模式,最大限度地发挥物资集中采购的优势,保障物资供应的及时性与物资采购合同的平衡性进行初步探索。     

红外光谱法检验热敏纸的研究

目的:建立一种灵敏、准确、无损的检验热敏纸的方法。方法:利用傅立叶变换红外光谱仪,对收集到的常见的40个不同产地、不同品牌的热敏纸样品,进行了分析检验,得到热敏纸样品的红外光谱图。结果:依据红外光谱图中的吸收峰对热敏纸的主要组成成分加以鉴别。结论:该检验方法不破坏检材,重现性好,可用于鉴定热敏纸物证。     

中国海洋天然活性物质开发新技术２１世纪发展战略

海洋天然活性物质的研究与开发是海洋精细化学品研制的主要领域,同时也是新兴海洋产业的重要组成部分,其总体格局是发现提取、结构断定、生物合成途径的研究和人工合成,国外对生物合成途径的研究非常重视.我国对海洋活性物质的研究起步较晚,水平远远落后于发达国家,根据国内外情况,本文提出了4点发展战略.     

如何处理电加热集油流程存在的技术问题

大庆外围油田普遍采用的集输流程是单管环状掺水集油流程,每个集油环串联井数的多少没有严格的界限,对于不同的区块,集油环串联井数的多少应根据具体备件而定。对于大庆外围油田来说,一般单井产量为４ｔ／ｄ左右,井距为２５０～５００ｍ,集油环串联井数通常为４～７口,集油环管道的长度在４ｋｍ以下较为合理。     

荧光光谱法鉴别白色纤维

探讨法庭科学研究中白色纤维的检测方法。白色纤维都经荧光增白剂加工处理,采用荧光分光光度计测定白色纤维,根据荧光光谱的峰数、峰位、峰形和峰强来鉴别荧光增白剂的类别。它是法庭科学实验中分析白色纤维简便而迅速的方法。     

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。     

差分拉曼光谱法对注射针剂塑料底托的检测分析

为建立一种简单快捷无损地区分塑料针剂底托的方法,采用便携式差分拉曼光谱仪对57个注射针剂塑料底托进行检测,首先通过直接观察,根据样品透明与否分类,再根据得到的差分拉曼光谱图的峰位、峰数等对样品进行成分和填料分析,同时利用系统聚类和皮尔逊相关系数分析来验证判别结果的准确性。实验结果表明,透明类样品主要成分为聚氯乙烯和聚对苯二甲酸乙二醇酯,不透明类样品主要成分为聚氯乙烯、聚对苯二甲酸乙二醇酯和聚苯乙烯,利用统计分析软件“统计产品与服务解决方案”(SPSS 26.0)聚类分析对透明类样品分类进行验证,分类结果可靠。以透明聚氯乙烯类样品为例,根据填料不同可将其分为6组,选取一组样品为例,可利用相对峰高比对其进行明显区分,再选取一组样品利用皮尔逊相关系数验证,组内样品相关性高。     

差分拉曼光谱结合机器学习对汽车灯罩的可视化研究

为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。