大体积分数碳化物钢W6Mo5Cr4V2Al的压缩超塑性

对工业用高速钢W6Mo5Cr4V2Al进行了超塑性压缩实验,考察了温度、应变速率对流变应力的影响,并测定了W6Mo5Cr4V2Al钢中碳化物的体积分数.结果表明,在780～840℃,应变速率(1.5～7.5)×10-4s-1范围内,大体积分数碳化物钢W6Mo5Cr4V2Al显示了一定的压缩超塑性.     

全人源单链抗体库噬菌体展示技术的建立

目的建立全人源单链抗体(single-chain antibody fragment,scFv)库的噬菌体展示技术。方法采集100名健康老年志愿者的外周血,5 mL/人,混合所有全血并分离外周血单个核细胞(peripheral blood mononuclear cells,PBMCs),抽提RNA,反转录合成cDNA,以其为模板,IgG类抗体基因为引物,PCR扩增获得重链可变区片段(V_H)和轻链可变区片段(V_L),然后以V_H和V_L为模板,经重叠PCR获得scFv,经sfiⅠ酶切,插入pComb3xss载体,电转后获得一定容量的抗体库;加入辅助噬菌体VCSM13过夜培养,上清液经PEG-NaCl沉淀,无菌PBS重悬噬菌体沉淀,即完成噬菌体抗体库的构建;采用Phage ELISA法进行噬菌体单克隆抗体的特异性鉴定。结果成功构建了库容为2. 6×10~9的噬菌体抗体库;随机挑选的100个噬菌体单克隆中共筛选到2个疑似H1N1株HA抗原的噬菌体抗体。结论成功构建了噬菌体抗体库的技术平台,可用于各类功能抗体的筛选。     

结合注意力机制和编码器—解码器架构的化学结构识别方法

目的 化学结构识别是化学和计算机视觉领域的一个重要问题,传统光学化学结构识别技术在复杂化学结构识别任务中易发生信息丢失或误识别的现象,同时又因为化学物质的结构多样性常导致其无法解析,识别效果不佳。而基于深度学习的模型通常具有网络结构复杂度高、上下文信息易丢失和识别率低的问题。为此,提出一种结合注意力机制和编码器—解码器架构的化学结构识别方法。方法 首先,使用改进的 ResNet50（residual network）作为特征提取器抓取表征信息;其次,使用 BLSTM（bi-directional long-short term memory）作为行编码器为 ResNet50提取的表征信息加强空间信息;最后,使用去填充模块和基于覆盖注意力机制的 LSTM（long short-term memory）网络作为模型解码器,对化学结构图像进行解码,将编码结果解码为 SMILES（simplified molecular input line entry system）序列。结果 在 Indigo、ChemDraw、CLEF（Conference and Labs of the Evaluation Forum）、JPO（Japanese Patent Office）、UOB（University of Birmingham）、USPTO（United States Patent and Trademark Office）、Staker、ACS（American ChemistrySociety）、CASIA-CSDB（Institute of Automation of Chinese Academy of Sciences—Chemical Structure Database）和 MiniCASIA-CSDB 数据集上,所提方法识别准确率分别为 71. 1%、70. 21%、45. 8%、30. 3%、53. 02%、58. 21%、43. 39%、46. 3%、84. 42% 和 85. 78%,高于 SwimOCSR、Image2Mol 和 ChemPix 模型得分。结论 与其他模型相比,本文方法通过少量训练集能够获得较高的识别准确率。     

基于多重注意力机制的电机磁瓦表面缺陷检测

在电机磁瓦生产中可能因生产工艺不可避免产生残次品从而影响电机质量,因此对电机磁瓦质量进行挑选,去除残次品,成为电机磁瓦生产中的必须工序。为解决传统图像处理检测能力弱、效率低且检测精准度低等问题,在ResNet-50的网络结构基础上,提出一种融合多重注意力机制残差网络的电机磁瓦缺陷检测网络模型。该目标检测网络结合卷积网络和注意力机制(Convolutional Block Attention Module, CBAM)构建了一种可以和网络进行端到端训练的非降维通道注意力和空间注意力串联模块,以建立特征之间的空间相关性,增强网络性能。在电机磁瓦数据集上的实验结果表明,改进的目标检测网络在电机磁瓦缺陷图像的全类别平均准确率mAP达到96.92%,所提算法的mAP值较原始ResNet-50网络算法提升了2.17%。验证了所提算法对电机磁瓦缺陷检测任务的有效性。