为提高胶硫钼矿中钼的生物浸出效率,研究了非离子表面活性剂吐温20对氧化亚铁硫杆菌(A.ferrooxidans)的代谢活性以及胶硫钼矿生物浸出的影响,并采用X射线衍射、扫描电镜对浸出产物进行表征.研究结果表明,吐温20对A.ferrooxidans氧化Fe2+有明显的抑制作用,但对S0的氧化则表现出一定的促进作用.吐温20对胶硫钼矿生物浸出的作用表现为:低质量浓度促进,高质量浓度抑制,当其质量浓度为30 mg·L-1时,浸出40 d,Mo的浸出率由未添加时的42.21%提高至54.10%.吐温20的加入强化了浸出过程中间产物S0的生物氧化作用,提高了体系中细菌浓度,同时削弱了矿物表面生成的黄钾铁矾和单质硫的钝化作用,从而促进了胶硫钼矿的氧化与溶解

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

表面结冰给通讯、电力等工业领域带来巨大损失，电加热和喷洒乙二醇等主动除冰方法虽然在一定程度上可以解决上述问题，但在能源、人力、环境方面需付出较高代价。为解决这一问题，低成本、低能耗的被动式防/除冰表面被寄予厚望。防/除冰表面主要分为延长结冰时间的防冰表面和低冰粘附强度的除冰表面。由于实际工况的复杂性，除冰表面比防冰表面更具有可实现性。除冰表面主要与低表面能、界面滑动和裂纹产生相关，低冰粘附强度表面按实现机理可分为化学改性低表面能表面、润滑表面、界面滑动表面和裂纹源表面。本文对不同类型低冰粘附表面的低冰粘附强度产生的原因和表面的制备方法进行总结。同时，对冰粘附强度的测量标准进行了说明和讨论，以解释不同的测试方法对防/除冰性能测试结果造成的差异

介绍了几种主要的转炉烟气分析碳含量预报模型，并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上，提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型。首先，利用历史炉次吹炼后期的脱碳氧效率和碳含量数据，通过指数拟合得到“历史脱碳曲线”和极限碳含量参数；其次，使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换，得到当前炉次吹炼后期的“参考脱碳曲线”，再对其进行归一化处理，得到归一化的“参考脱碳曲线”；然后，采用多点校正的方法，计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量，并根据计算脱碳量与转炉实际脱碳量的偏差，对熔池碳含量及脱碳曲线参数进行计算与校正，得到“计算脱碳曲线”；最后，通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新，进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明，改进的指数模型具有较高的准确率，终点碳含量预报误差在±0.02%范围内的命中率达到90%

分级加载压缩蠕变试验未能充分考虑稳定蠕变中的黏塑性应变，故采用三轴循环加卸载压缩蠕变试验来实现岩石的黏弹、塑性应变分离，从而使岩石黏弹、塑性应变在岩石蠕变的各个阶段得以充分考虑。以某水电站闪长玢岩为例，探讨该类岩石蠕变特性。在破坏前，岩石的瞬时弹性应变以及瞬时塑性应变随着偏应力逐级增大呈线性增长；随着偏应力的增加，黏弹性应变和黏塑性应变呈非线性增长。引入一个分数阶Abel黏壶与Kelvin模型串联形成新型黏弹性模型；用分数阶Abel黏壶代替传统的黏塑性模型中的线性牛顿体并基于损伤建立黏塑性损伤模型。然后将新型黏弹性模型和黏塑性损伤模型与瞬时弹性模型和瞬时塑性模型串联组成一个新的岩石蠕变损伤模型。最后将该模型与岩石蠕变曲线进行拟合，从而证明该模型的适用性

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

从细观角度、采用颗粒离散元法开展了预制裂隙花岗岩循环加卸载的数值模拟试验。首先，使用图像处理技术识别花岗岩中的不同细观组分、结合室内单轴压缩试验结果对细观力学参数进行了标定。然后，通过编制颗粒流代码追踪裂隙的类型和扩展过程，分析岩石破坏过程中裂隙发展的阶段性特征。结果表明：不同倾角裂隙岩石的新生裂隙走向与预制裂隙贯通方向基本一致；根据新生裂隙的优势倾向分组得到裂隙起裂角与预制裂隙倾角的关系：倾角β≤45°时剪切和张拉裂隙的起裂角单调递减，倾角β≥60°时剪切和张拉裂隙的起裂角单调递增；循环扰动荷载增加了裂隙岩体的轴向变形，轴向累积残余应变曲线呈反S形、提高扰动荷载应力上限促使曲线进入加速阶段；试件峰值强度随裂隙倾角增大表现出先减小后增大的趋势，峰值强度为实验室完整岩石单轴抗压强度的63% ~ 89%，反映了较为明显的劣化现象；在循环荷载作用下，剪切裂隙和张拉裂隙增长曲线表现出明显的变化特点，在裂隙不稳定扩展阶段中张拉裂隙数目增长速率显著大于剪切裂隙，对分析岩石变形破坏过程具有一定的参考意义