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：以天然原料制作而成的5种天然燃香,燃烧后利用热脱附-气相色谱质谱联用仪测定其燃烧产物中挥发性有机物TVOC的含量。结果表明,5种天然燃香燃烧后室内空气中TVOC含量远低于GB/T26386-2011《燃香类产品安全通用技术条件》标准中的限值,于原料中加入炭粉在一定程度上可以降低天然燃香燃烧后空气中TVOC的含量。

简介：以栀子油为原料,采用顶空固相微萃取(SPME)技术萃取挥发性成分,并通过气相色谱-质谱法(GC-MS)对其成分进行鉴定。结果表明,SPME-GC-MS联用能较好分析栀子油的挥发性成分,鉴定出45种栀子油挥发性成分,其中22种成分具有天然植物香气,以异佛尔酮为代表的含有“-三甲基-环己烃-”结构的化合物有8种,初步判断为是形成栀子油特征风味的挥发性化合物。

简介：采用自动顶空结合气相色谱-质谱仪（GC-MS）对家装市场产品中有机挥发性化合物（VOC）进行定性分析,收集常用常见的挥发性有机化合物（VOC）种类,建立完善的被测物体系,再对家装涂料产品分类,采用气相色谱法检测,以内标标准曲线法定量。37种目标化合物的相关系数在0.999以上;方法检测低限为0.0004%;平均回收率在89.9%~106.2%之间;相对标准偏差小于3%。

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：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：探讨了顶空气相色谱质谱法测定水中挥发性有机物的影响因素,确定含盐量为3g/10mL,瓶平衡时间为45min,炉温为70℃为试验的最优化条件。实验结果表明,在10-160μg/L范围内,检出限均介于9-13μg/L,线性关系良好（r均大于0.9994）;120μg/L的城市污水厂样品加标回收率均在85-101%范围内,相对标准偏差均小于5%（n=6）。该方法用于测定13家污水厂进出水中17种挥发性有机物,结合各污水厂消毒工艺,旨在寻找更为安全的尾水消毒工艺。

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：采用苏玛罐采集大气样品,通过预浓缩系统富集浓缩,气相色谱质谱联用法测定环境空气中挥发性有机物。实验结果表明,该方法在0~10.0nmol·mol-1浓度范围内呈良好线性,能够有效分离65种挥发性有机物。将该方法实际应用于某处环境空气中挥发性有机物的测定,结果表明,此处丙酮、乙酸乙酯、甲苯、对间二甲苯5种挥发性有机物较为常见,比重占30%以上;其中,丙酮和乙酸乙酯检出率在95%以上。

简介：伺服电动缸以其优异的定位及推力控制等性能得到广泛的应用,但是目前的测试系统难以对伺服电动缸进行全面的动静态特性及加载性能测试.于是我们设计了一套伺服电动缸综合性能测试系统,其中配置了液压动态加载装置以及相应的控制检测单元,开发了相应的上下位机软件,因此能够对伺服电动缸的行程、精度、推力等重要指标进行快速自动测试,且具还有高效、稳定、操作方便等优点.

简介：本文根据对国家旅游度假区受机场飞机噪声影响情况的现场测量结果,首先分析机场噪声的影响程度,而后从飞机噪声源、飞机起降次数与时刻、飞机飞行程序、土地使用规划等方面着重研究降低机场噪声影响的主要措施,提出综合治理方案.