课程文献中心 更多>>

摘要： 来自美国俄亥俄大学、阿贡国家实验室、伊利诺伊大学芝加哥分校等机构的科学家，首次拍摄到了单原子X射线信号，据此分析出元素种类和原子的化学状态，这一成果有望为材料检测技术带来革新。相关研究2023年5月31日刊登于《自然》。从医学检查到机场安全检查，自从德国物理学家伦琴于1895年发现X射线以来，其已被广泛应用，甚至美国“好奇号”火星探测器也配备了X射线设备，用来检查火星岩石的物质组成。

摘要： “内蒙古广播电视台围绕‘六个转向’目标，以‘八个一体化’推进深融深改，实现‘平台聚变、内容剧变、营销巨变’。”2014年开启媒体融合元年，2024年刚好十年。十年来，媒体融合实现了由表及里、由点到面的全方位推进。传统主流媒体也经历了从加入互联网到融入互联网的过程，从PC端到移动端，从门户网站到客户端，从“你是你、我是我”到“你中有我、我中有你”，再到“你就是我、我就是你”，在政策引领、技术创新、传播方式和产业格局等方面发生了深刻变革。

关键词： 多层螺旋CT多平面重建   X射线摄影   股骨颈骨折  

摘要： 目的：探讨多层螺旋CT多平面重建（MPR）联合X射线摄影在股骨颈骨折中的诊断价值。方法：选取我院2022年1月—2022年12月收治的60例疑似股骨颈骨折患者，使用X射线检查和多层螺旋CTMPR联合X射线摄影，比较两种检查方式的诊断效果。结果：多层螺旋CTMPR联合X线诊断的符合率、敏感度、特异度以及阳性预测值均显著高于X线（P<0.05）；多层螺旋CTMPR联合X线诊断的漏诊率及误诊率均显著低于X线（P<0.05）。结论：多层螺旋CTMPR与X线结合在股骨颈骨折中具有较高的诊断价值，能够提高检出率和临床诊断率，降低误诊率。

关键词： 可变形卷积神经网络   焊接缺陷检测   记忆模块   X射线成像   无损检测  

摘要： 在智能制造的大背景下,焊接技术的精确度对保障电力系统的稳定与机械结构的可靠性发挥着至关重要的作用。本研究针对传统焊接缺陷检测方法的局限性,如低效率和识别准确度不足等方面,提出了一种基于改进YOLOv5的可变形卷积神经网络(DCNN)方法,旨在提升焊接缺陷射线成像检测的效率与准确性。 本研究首先针对X射线图像的低对比度、狭窄色域、存在噪声等问题,通过自适应灰度变换,引入了一种基于局部图像特征的策略,同时使用了一种的多尺度基于轮廓结构形态学滤波技术,结合了自适应中值滤波和基于轮廓结构形态学滤波的优点,以有效去除焊缝X射线图像中的噪声,提高图像的质量和清晰度。 然后通过引入卷积神经网络(CNN)和可变形卷积神经网络(DCNN),不仅提高了模型对复杂缺陷形态的适应能力,还增强了对焊缝图像中细微特征的捕获能力。此外,活动轮廓模型的引入为精确描绘缺陷边界提供了可靠的数学基础,进一步提升了分割的准确性。同时讨论了记忆模块与判断模块的设计与实现,这两个模块的引入显著提升了模型对复杂几何形状和动态变化的捕捉能力。 在参数优化部分,着重讨论了参数选择与初始化的重要性,特别强调了初始化方法在本研究中的应用及其对复合激活函数(CAF)的适应性。此外,还探讨了优化算法的选择与调整,选择Adam优化器并引入了学习率衰减策略以平衡训练速度与模型性能。 研究通过对比实验验证了改进的YOLOv5 DCNN模型在复杂焊接缺陷检测场景中的有效性。相较于传统方法,所提出的模型不仅提高了焊接缺陷检测的准确率,还实现了实时检测的可能,从而减少了人工识别的需求,降低了检测成本,并提升了生产线的自动化水平。 本研究的成果对于推动制造业向智能化、自动化的转型具有重要意义,为电力设备的生成制造提供了一种可靠、高效的焊接缺陷检测新途径。未来研究将进一步探讨模型在不同制造环境下的应用扩展性,以及对模型泛化能力和稳定性的持续优化。

关键词： 三氧化钨   五氧化二钽   电致变色   质子照射   记忆效应  

摘要： 本研究探讨了三氧化钨（WO3）和五氧化二钽（Ta2O5）电致变色薄膜的记忆效应及其在质子照射後电子结构和薄膜性能的影响。本实验使用溶胶凝胶法制备WO3和Ta2O5单层及双层薄膜，并通过多种仪器进行分析。实验中，扫描式电子显微镜（SEM）用於观察薄膜形貌；X光绕射（XRD）用於分析薄膜的晶体结构；拉曼光谱和X光吸收光谱（XAS）用於研究薄膜的电子结构。电化学性能测试包括循环伏安法（CV）和紫外/可见光光谱，用於评估薄膜的电化学特性和光学穿透率变化以及充放电性能测试。结果显示，添加Ta2O5会使WO3薄膜晶体结构更稳定，并显着提升了薄膜的记忆效应。质子照射後，薄膜的内部应力和缺陷增加，影响了其电致变色性能。整体来说，通过添加Ta2O5，WO3薄膜的记忆效应和电化学性能得到了明显改善，这对於开发高性能的电致变色材料具有重要意义。

关键词： 科学经典创新课程   创新模式   物理学家  

摘要： 对于科学经典创新课程，分别从宏观维度——创新模式（理念创新、概念创新、技术创新）和微观维度——物理学家的具体工作（所遇困难、如何创新、创新根源、类比迁移）进行了解构，并给出具体的课程教学实例。

关键词： X射线   焊缝缺陷检测   深度学习   目标检测   YOLOv5s  

摘要： 焊缝缺陷检测是材料加工和成型过程中不可或缺的一环。焊接质量直接影响着焊接件的使用性能,因此对于焊缝进行全面、准确地检测显得尤为重要。X射线是焊缝缺陷检测领域常用的一种无损检测方式,目前主要通过人工检测的方式进行缺陷评定,但人工检测受主观因素的影响,存在漏判、误判等问题。为适应我国现代工业生产智能化的要求,迫切需要实现焊缝缺陷自动化、智能化的评片方法。深度学习凭借其自动学习焊缝特征的优势,可替代人工评定焊缝缺陷,消除主观意识对检测结果产生的影响,提高检测效率和准确性,对智能化的焊缝缺陷检测具有重要意义。 本文以X射线焊缝图像缺陷为研究对象,阐述了国内外相关研究现状。针对焊缝缺陷检测任务中目标定位不准确、精度低和速度慢的问题,提出了一种改进的YOLOv5s目标检测模型,具体内容如下: (1)高精度焊缝缺陷检测模型的设计。针对焊缝缺陷数据集中存在小目标特征提取难、定位误差大、误检率高等问题,提出了一种高精度的YOLOv5s模型。首先在主干网络中添加ECA注意力机制,提高对小目标的特征提取能力,抑制背景信息的干扰;其次引入渐进特征金字塔网络,提高多尺度特征信息之间的融合能力;最后优化模型的损失函数,加快模型的收敛速度,提升模型的泛化能力。实验结果表明,改进后的YOLOv5s-EAS模型对焊缝缺陷数据集中的小目标缺陷有较好的识别效果,有效提升了目标定位的准确性和检测的精确性。 (2)轻量化焊缝缺陷检测模型的设计。为达到智能化评片的效果,在提升模型自动评片精度的同时,还应考虑评片的速度,在YOLOv5s-EAS模型的基础上提出一种轻量化的YOLOv5s-EASSF模型。首先引入轻量型的Shuffle Net V2主干网络,通过采用通道分离操作,降低模型计算复杂度与参数量;其次在C3结构中引入轻量型的Faster Net模块,减少模型冗余信息,加快模型的运算速度。最终实现轻量化焊缝缺陷检测模型的设计,提高评片速度,为模型部署在嵌入式设备或移动设备提供可能。

关键词： 高分子太阳能电池   机器学习   随机森林   光学转换矩阵   吸收光谱  

摘要： 高分子太阳能电池近年来因能量转换效率的长足进展而备受瞩目，其蓬勃前景在予体和受体材料的开发、主动层形态的优化及元件制程的改良等层面所累积之丰富研究成果中可见一斑；然而从上述多项用於提升元件性能的策略可知，影响能量转换效率的因素错综复杂且息息相关，因此从中找寻关键因素成为一大挑战。在众多影响因子中，本研究聚焦於主动层材料之光吸收，运用机器学习方法结合大量数据之资料库，以快速预测模型建立主动层材料、吸收光谱、元件性能间的关联性，以此掌握提升能量转换效率之关键。我们首先於 2010-2022 年间高分子太阳能电池实验文献中收集数据，并在经由和真实光谱的比对验证光学转换矩阵和分峰拟合技术之可信後，导入吸收系数得到可见光下的吸收度，并将其以 4 个高斯峰之和进行拟合，以此在精简光谱参数的同时、保留完整的吸光资讯，建立首个高分子太阳能电池吸收光谱资料库；接着，我们运用随机森林演算法针对分子结构－吸收光谱 (Structure-Property) 和吸收光谱－PCE/ JSC (Property-Performance) 之间训练预测模型，均获得出色的预测表现，并基於此以 SHAP 方法回馈对於提升光吸收或 PCE/ JSC 的重要因素。面对高分子太阳能领域中、无论在实验或人工智慧上皆较少为人所研究的材料光吸收，我们建立可直接输入分子结构即得到可见光全波段 (400-800 nm) 吸收光谱的快速预测模型，并藉由其对於未接触过之新材料展现和实验相近的结果说明此模型之预测能力；此外，我们亦在吸收光谱对元件性能的影响中，揭示 PCE 和 JSC 间的高度正相关，并观察到最大吸收峰之波长和吸收度对能量转换效率至关重要，随最大吸收度的提升 (最大吸收度>0.7) 将带来较高的 PCE/ JSC 值；综合上述发现，我们透过模型回馈使材料具高吸收度潜力之结构片段，以及高性能表现之主动层材料其最大吸收度> 0.7 的趋势，於资料库中进行材料筛选，并针对未存在元件性能数据的全新予体－受体组合，预测其 PCE 和 JSC，进而提供兼具优异吸光特性和元件性能之潜力的主动层材料。本研究以近十年间大量实验数据的宏观视角，利用机器学习快速且低成本之优势，自鲜少为人所探讨之光吸收的角度出发，从中探讨结构、性质、性能间的趋势，以期在新主动层材料开发上成为实验学者之助力，达降低研发成本并推动高分子太阳能电池发展进程之目标。