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：采用固相分散萃取-高效液相色谱法同时测定花生酱中的吲哚乙酸（IAA）、吲哚丁酸（IBA）和α-萘乙酸（NAA）三种植物生长调节剂。无水硫酸钠作分散剂、甲醇作萃取剂。色谱条件：DiamonsilC18柱;甲醇-水（55：45,V/V,甲酸调PH=3.0）为流动相;流速：1.0mL/min;检测波长：272nm。在0.50～100μg/mL范围内线性良好。方法检出限均为1.25μg/g,平均回收率为98.97%、86.41%和84.24%,相对标准偏差为2.23%、1.75%和1.90%。

简介：针对微生物快速检测的需求,基于生长时间光谱法设计了大肠菌群快速检测仪器.根据大肠菌群指数生长期与大肠菌群浓度的关系来计算大肠菌群初始浓度;采用分光光度法对大肠菌群的指数生长时间进行检测;通过实验确定了625nm作为分光光度检测波长;设计了基于双积分球的仪器光路结构,提高了仪器对透过率的测量稳定性,采用样品从实验开始时的初始透过率降低至初始透过率的70%时所需时间作为生长时间,显著降低了检测所需时间,对大肠菌群100cfu/mL的检测,只需要276min.建立了大肠菌群的生长时间与大肠菌群初始浓度的数学模型.设计实验评价了本方案平行样标准偏差小于12.61%;与滤膜法进行比对,相关系数0.979.

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：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.