简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：为解决工业机器人标定中存在的成本昂贵、专业性强等问题，提出了一种基于几何约束的工业机器人运动学参数闭环标定法．首先采用D—H模型与MDH模型相结合的方法建立运动学模型．解决D-H模型的奇异性问题．其次，用Matlab对该方法进行仿真，机器人末端执行器上模拟安装一个激光器，将激光瞄准观测平面上一正方形的四个顶点，得到较精确的关节角．最后，根据正方形的几何性质建立标定方程，利用最小二乘法求解参数误差．此方法操作简单，成本低，易于测量，可避免机器人基座标系的校准工作．根据仿真结果。工业机器人绝对定位精度提高了77．87％，从而验证了该方法的有效性．

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：本文研究了差向异构体熊去氧胆酸和鹅去氧胆酸的~1H-NMR谱学特征。利用其特征谱峰鉴别熊胆粉中的熊去氧胆酸和鹅去氧胆酸并测定其相对含量。