电感耦合等离子体原子发射光谱法测定高铋铅中铜、铁、镍、镉、砷、锑、铋

采用硝酸-酒石酸溶解高铋铅样品,保持10%硝酸介质浓度,对不同浓度范围的元素进行分液,实现了电感耦合等离子体原子发射光谱仪对高铋铅中铜、铁、镍、镉、砷、锑、铋7种元素的同时测定。通过试验,比较了不过滤直接测定以及过滤-滤渣补正两种方式,滤渣中待测元素含量极低,选择不过滤直接测定的方法。进行了干扰元素试验,并界定了最大干扰量。7种元素在一定的质量浓度范围内与其发射强度呈线性关系,测定值的相对标准偏差(n=7)在0.56%~9.78%之间。     

浅谈枪支(弹药)库室电子技防测试

一个完整枪支(弹药)库室的安全防范由管理要求、物防要求、技防要求及人防要求完美的结合而成,其中技防要求是需要根据枪支(弹药)库室现场实体情况采取的一项电子技术手段,是起到安全预报警的最佳方式。本文就枪支(弹药)库室安全防范在技防要求方面按现行GA 1016-2012标准在检测中存在的问题做一些探讨、建议,以期为需要枪支(弹药)库室的建设单位、施工单位提供参考。     

基于语音人工智能的“黑广播”监测方法研究

"黑广播"会扰乱正常信号,破坏空中电波秩序,对社会危害极大,因此,对"黑广播"进行监测与打击是无线电管理的重要工作之一。根据广播语音内容甄别"黑广播"是最可靠的识别方式,传统的"黑广播"识别依靠人工听取广播内容,成本高、效率低,基于自动语音识别技术的方式大多依托在线网络语音服务,难以应对离线实时监测场景。本文提出一套基于语音人工智能的"黑广播"监测识别技术,提取语音声学矩阵信息并利用神经网络进行识别,可在离线情况下实现"黑广播"的实时侦测。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。