简介:摘要:本文通过能谱与扫描电镜联合应用的实例,探讨了成分衬度像与能谱电分析技术相结合来进行稀土精矿微区分析的方法。其中对成分衬度像拍照技巧,稀土精矿中各种元素的赋存状态识别等进行较深入的探索。
简介:摘要目的应用深度学习进行病毒电镜图像的分类,通过多种模型性能的比较,提供适用于病毒电镜图像分类的网络模型,提供病毒电镜图像识别的辅助与支持,减少研究人员的劳动强度和分析时间。方法通过加深网络深度、调整学习率和批量大小等参数,使用AlexNet、VGG、ResNet、DenseNet、SqueezeNet、MobileNet、ShuffleNet多种经典的卷积神经网络对七种病毒电镜图像进行分类。结果DenseNet169以91.9%的准确率、90.1%的敏感度和98.6%的特异度取得了模型最佳性能。其中,模型对细小病毒的识别效果最好,乳头瘤病毒、疱疹病毒、痘病毒和轮状病毒的精确率、敏感度、特异度和F1值均在90%以上,甚至接近100%。同时,轻量级网络ShuffleNet的性能以更少的参数量和浮点次数超越了深度网络AlexNet和VGG,并能够以比ResNet少约15倍的参数量和90余倍的浮点运算次数取得与之相当的结果;与DenseNet相比,孙世丁通过牺牲可接受范围内的识别性能换取了比其少约10倍的参数量和80余倍的浮点运算次数。结论深度网络DenseNet169能够以最佳性能实现病毒电镜图像的自动识别,轻量网络ShuffleNet_v2_x0_5能够以更少的参数量和浮点运算次数实现次优性能,在实际应用中可结合具体情况在深度网络和轻量级网络之间进行取舍。
简介:摘要:随着经济的快速发展,我国对煤炭的需求量也在逐年上升,从而使得煤矿的开采规模也越来越大,但是随之而来,这也在一定程度上加大了煤矿安全管理工作的难度,因此当前如何在推进煤矿发展的同时,还能有效确保煤矿的安全管理,成为了相关行业重点研究的课题。基于此,本文以煤矿安全管理的重要性为切入点,来进一步分析煤矿安全管理中所存在的问题,从而更深层次地探讨相关的应对措施,希望能为我国煤矿的安全管理工作提供一些参考和意见。