水中"一锅"合成7,7-二甲基-4-(3-氯苯基)-5-氧代-3,4,5,6,7,8-六氢香豆素的洁净方法

研究了四丁基溴化铵(TBAB)催化下的水介质中,3-氯苯甲醛、丙二酸亚异丙酯和5,5-二甲基-1,3-环己二酮三组分缩合,一步合成系列7,7-二甲基-4-(3-氯苯基)-5-氧代-3,4,5,6,7,8-六氢香豆素。产物的结构经IR和1HNMR进行了表征确证。该方法具有反应条件温和、操作简便、环境友好的优点。     

懒人有高招,一键装补丁

我们单位有十多台电脑(都是Windows XP,为保证办公和数据安全,这些电脑大多与互联网物理隔离了),每次都要下载好微软的系统补丁,再在每台机器上一个一个补丁点击安装,不胜其烦。本着“快捷”是硬指标、“偷懒”是硬道理的最高理想,终于试出了一键更新的方法,你也可以用下面方法,给自己的菜鸟朋友们更新系统。     

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换（NSCT）的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。     

外径千分尺在端淬试验试样移动装置上的应用

将报废的计量器具——外径千分尺用于端淬试验硬度测试时的试样移动装置上,通过旋转外径千分尺的测量筒,进而带动丝杆,由丝杆推动试样在硬度计底座上做水平移动,从而较好地实现了端淬试样硬度测试点的准确定位,该方法不仅简便快捷,同时提高了试样定位精度。     

基于0.35μm CMOS工艺的APD器件仿真分析

提出了一种基于0.35μm CMOS工艺的、具有p+/n阱二极管结构的雪崩光电二极管(APD),器件引入了p阱保护环结构.采用silvaco软件对CMOS-APD器件的关键性能指标进行了仿真分析.仿真结果表明:p阱保护环的应用,明显降低了击穿电压下pn结边缘电场强度,避免了器件的提前击穿.CMOS APD器件的击穿电压为9.2V,工作电压下响应率为0.65 A/W,最大内部量子效率达到90％以上,响应速度能够达到6.3 GHz,在400～900 nm波长范围内,能够得到很大的响应度.     

片式电阻混合焊点热循环负载可靠性研究

对在不同工艺参数下形成的、并且经过不同周数热循环负载的片式电阻混合焊点、有铅焊点和无铅焊点进行了外观检测和剪切测试。结果显示,在不同工艺参数下形成的混合焊点的剪切力,随热循环周数的变化趋势有所不同,但是在保证片式电阻焊端和焊料充分熔融的情况下,部分混合焊点的平均剪切力比有铅焊点高,热循环1 000周后,为9.1～11.1 N。     

木素对TEMPO氧化竹浆制备纳米纤维素的影响

以卡伯值不同的2种未漂硫酸盐竹浆(卡伯值为25.5和11.7的竹浆分别标记为SHK和SLK)为原料,通过TEMPO/NaBr/NaClO体系氧化及高压均质处理,制备了TEMPO氧化纳米纤维素(TOCN),并利用抽滤法制备TOCN膜。系统地研究了2种竹浆的TEMPO氧化过程、TEMPO氧化浆性能、TOCN性能及TOCN膜的力学性能等,探讨了木素对竹浆TEMPO氧化过程和TOCN制备的影响。结果表明,SHK的TEMPO氧化速率高于SLK,但SLK-TEMPO氧化浆的羧基含量达到1.01 mmol/g,高于SHK-TEMPO氧化浆的羧基含量(0.89 mmol/g)。2种TOCN形态结构差异不大,均呈纤丝状结构,直径约为5～8 nm,长径比>100,且均保持纤维素I的晶型结构;SLK-TOCN的结晶度和悬浮液的透光度均略高于SHK-TOCN。2种TOCN膜均具有优良的光学性能和力学性能,SLK-TOCN膜的杨氏模量、拉伸强度及裂断伸长率分别为2.6 GPa、92 MPa和10.9%,均高于SHK-TOCN膜的2.4 GPa、90 MPa和8.7%。     

CPE和ACR对PVC-U型材加工性能的影响

从抗冲改性机理、微观形态、加工性能、冲击性能及老化性能等方面对PVC-U冲击改性剂氯化聚乙烯(CPE)和丙烯酸酯类(ACR)进行比较,客观地分析了各自性能的优劣。     

Multi-focus image fusion with the all convolutional neural network

A decision map contains complete and clear information about the image to be fused, which is crucial to various image fusion issues, especially multi-focus image fusion. However, in order to get a satisfactory image fusion effect, getting a decision map is very necessary and usually difficult to finish. In this letter, we address this problem with convolutional neural network (CNN), aiming to get a state-of-the-art decision map. The main idea is that the max-pooling of CNN is replaced by a convolution layer, the residuals are propagated backwards by gradient descent, and the training parameters of the individual layers of the CNN are updated layer by layer. Based on this, we propose a new all CNN (ACNN)-based multi-focus image fusion method in spatial domain. We demonstrate that the decision map obtained from the ACNN is reliable and can lead to high-quality fusion results. Experimental results clearly validate that the proposed algorithm can obtain state-of-the-art fusion performance in terms of both qualitative and quantitative evaluations.