排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
采用高温固相法合成了Tb3+激活的硅酸盐基质的系列发光材料Li2BaSiO4∶xTb3+,并研究了其在紫外光激发下的发光特性.研究结果表明,样品Li2BaSiO4∶xTb3+的激发光谱最强吸收源于Tb3+的4f7→5d1跃迁宽带吸收,最强吸收峰值位于268 nm左右.在紫外光激发下该系列材料均呈现Tb3+的特征绿光发射(542nm),最佳掺杂浓度为x=0.11.样品Li2BaSiO4∶0.11Tb3+的荧光衰减曲线呈单指数衰减特征,拟合所得的寿命值为5.0ms左右. 相似文献
3.
深度学习技术的快速发展推动了电力智能安防的自动化进程.电力场景中用于高压电力塔和接触网搭建的
复杂钢结构往往成为铁路沿线鸟类筑巢之所,给电力系统安全运行带来了隐患.因此,使用深度学习技术及时发现并
清理鸟巢具有重要的实际意义.提出了一种基于改进YOLOv5的鸟巢检测方法,该方法在YOLOv5基础上考虑了
鸟巢本身所独有的黑色属性和错综复杂的纹理特性,采用注意力机制强化鸟巢检测过程中对上述特征的学习.同时,
根据电力场景中采集的实际鸟巢数据对该方法开展的验证性实验取得了良好的检测效果,算法检测性能达到88.6%,
相比其他经典检测算法高1.5%以上. 相似文献
1