排序方式: 共有27条查询结果,搜索用时 265 毫秒
1.
针对口罩阻挡新冠病毒的检测方法问题,在讨论病毒特征、口罩作用基础上,对目前国内普遍采用的细菌过滤效率(BFE)和非油性颗粒过滤效率(PFE)检测方法进行了对比研究.结果表明,颗粒过滤效率与细菌过滤效率没有相关性,用颗粒过滤效率替代细菌过滤效率的风险较大. 相似文献
2.
针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。 相似文献
3.
4.
目的:建立一种在线固相萃取-高效液相色谱分析方法快速测定奶粉中维生素K1与K2。方法:加入脂肪酶水溶液酶解奶粉样品;酶解液加入异丙醇与KOH水溶液进行定容后,在线固相萃取装置上进行上样、转移、分析测定和清洗平衡后,进入液相色谱仪上进行洗脱将维生素K1、K2分开,荧光检测器检测,外标法定量。结果:VK1、MK-4和MK-7在0.002-0.1ug/mL范围内良好线性;检出限分别0.12ug/100g、0.14ug/100g、0.19ug/100g。结论:这种快速测定法溶剂消耗少,大幅缩短了检测时间,节省了人力,实现了自动在线净化检测,提高了灵敏度,保证了测试结果的准确性和稳定性。 相似文献
5.
6.
目的建立在线免疫亲和固相萃取-高效液相色谱快速测定食品中赭曲霉毒素A(ochratoxin A,OTA)的分析方法。方法谷物、豆类样品采用乙腈-水(80:20,V:V)提取,葡萄酒类样品采用NaHCO_3/NaCl/水溶液(0.4:15:100,m:m:V)提取,3%Tween-20(m:V)溶液稀释后,直接经RIDA~?CREST ICE在线免疫亲和固相萃取系统净化-高效液相色谱荧光检测OTA含量。以乙酸铵-乙腈为流动相洗脱,流速1.0 mL/min,C_(18)色谱柱(150 mm×4.6mm,5μm)分离测定。结果方法检出限分别为0.020μg/kg(豆类、谷物)和0.050μg/kg(葡萄酒类);在OTA的浓度为12.5~500 ng/L的范围内线性关系良好,相关系数r~2为0.9995;日内加标回收率为87.4%~109.8%,相对标准偏差0.50%~4.80%。结论该方法分析速度快,灵敏度高,重现性好,可满足快速准确测定大批量食品样品中OTA含量的需要。 相似文献
7.
目的 建立测定豆制品中碱性橙2的超高效液相色谱-串联质谱分析方法。方法 样品均质后,用0.4 %乙酸-20 mmol/L乙酸铵+乙腈(1+1)超声提取,经混合型阳离子交换固相萃取柱净化,氮吹、复溶后上机。采用0.1%甲酸-10 mmol/L甲酸铵(A)和乙腈(B)作为流动相进行梯度洗脱, 质谱(ESI+)采用多离子检测模式(MRM)对碱性橙2的定量离子和定性离子进行监测。结果 碱性橙2在0.1~10.0 ng/mL线性范围内线性关系良好,相关系数均大于0.999。碱性橙2在4.0、8.0和40.0 μg/kg添加水平的回收率为86.2%~106.2%, 相对标准偏差小于4.0%(n=6), 方法定量限为4.0 μg/kg。结论 该方法快速、准确、灵敏, 适合豆制品中碱性橙2的测定分析。 相似文献
8.
建立了同时测定咖啡豆中11种真菌毒素的超高效液相色谱-串联质谱分析方法,实验考察了色谱柱选择、提取溶剂组成、固相萃取柱选择、流动相比例对分析结果的影响。以咖啡豆为研究对象,样品均质后,经乙腈-水-甲酸(85+14+1,V/V)振荡提取,离心,过Oasis PRiME HLB柱,取净化液10 mL用磷酸缓冲液稀释至50 mL,经多功能免疫亲和柱净化,氮吹、50%乙腈复溶,以0.1%甲酸-2 mmol/L乙酸铵溶液-乙腈为流动相,用Waters BEH C18柱分离,超高效液相色谱-质谱仪分析,内标法定量。结果表明,11种真菌毒素在各自线性范围内线性关系良好,相关系数均大于0.998,检出限为0.008~0.544 μg/kg。在低、中、高3个添加水平下的平均回收率为80.2%~114%,相对标准偏差为1.4%~7.9%。本方法步骤简便、快速高效,适用于咖啡豆中11种真菌毒素的同时测定分析。 相似文献
9.
针对爆炸冲击波信号重构问题,引入深度卷积神经网络(DCNN)捕捉冲击波信号的局部信息和高阶特征,引入双向长短期记忆网络(Bi-LSTM)捕捉冲击波超压数据时序依赖关系,进而构建了基于深度学习的爆炸冲击波信号重构模型。相关实验研究表明,本文构建的爆炸冲击波信号重构模型,综合考量了信号的时序关系、频谱特征、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构实验中,模拟和实测超压峰值平均误差分别为3.53%和13.71%,正压作用时间平均误差分别为7.35%和14.26%,比冲量平均误差分别为4.02%和11.92%;在基于残缺数据的冲击波压力曲线重构实验中,模拟和实测信号重构的缺失值与原始值基本吻合,且偏差均在0附近;均满足爆炸冲击波压力重构指标要求。研究结果对爆炸冲击波信号重构有重要指导意义。 相似文献
10.