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

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

新设计三维打印光敏树脂结构，其主要用在减震隔震组合结构中作为阻尼元件.首先利用微机控制电子试验机对其进行静力加载试验，得到静载下载荷—位移特性曲线，并计算得到特定点处等效弹性模量，利用疲劳机进行动力加载试验，得到结构件在从5 Hz到20 Hz不同频率下滞回曲线，并计算出相应等效阻尼系数.基于有限元法，建立光敏树脂结构有限元模型，并以和实验相同的工况进行静力学和动力学计算分析，并对试验数据和数值计算结果进行对比，得到计算结果与实测结果吻合良好，从而验证有限元模型的可行性.在此基础上通过有限元计算方法，研究不同几何参数缝隙宽度、内弧半径、外弧半径、厚度对光敏树脂结构特定点等效弹性模量以及等效阻尼系数的影响.此结构受力时，纵向保持刚度输出，维持小变形，横向位移放大，具有良好的减振和抵抗变形的能力

采用经典弹性力学方法建立了金属层合板翘曲解析计算力学模型，获得了厚度方向不均匀延伸与板形翘曲之间的定量关系；并分别建立了在线和离线两种状态下金属层合板翘曲变形的有限元数值模拟模型，对解析计算力学模型进行了验证；在此基础上，揭示了金属层合板产生板形翘曲缺陷的力学根源以及各因素对金属层合板板形翘曲缺陷演变的影响规律，同时对比分析了双层和三层结构层合板与均质板的翘曲变形差异以及铜/碳钢层合板与不锈钢/碳钢层合板二者之间的翘曲变形差异。研究表明，金属层合板翘曲高度与延伸差、厚度比呈正比关系，与厚度呈反比关系，且基层与覆层的切变模量相差越大，厚度比对金属层合板翘曲变形的影响越大。基于数值模型，模拟研究了层合板在理想均匀分布的初始温度下，历经去应力退火过程时，其板形翘曲的变形行为及规律，并与均质板进行比较。最后，在工业生产现场取样已翘曲层合板，通过测量其弯曲变形量进而反求其初始延伸差，验证了解析计算力学模型的准确性

研制了一种无机材料构成的验电标识,放置在导线周围,通过电场驱动电子的运动,促进载流子复合,进而使材料发光,从而判断带电情况,其作为验电标识使用非常便捷.选取了氮化镓GaN材料进行研究,以GaN、InGaN等材料为基础,通过溶胶凝胶法、气相外延等方法制备接触层、基片层、材料层等结构,进而获得了验电标识,该验电标识的发光层是具有多量子肼结构的纳米棒阵列.然后对其进行了电学光学性能参数测试,获得了有关特性曲线,通过Ansoft-maxwell有限元软件进行仿真,分析材料在特高压输电线路周围的电场分布,通过试验分析验电标识发光所需求的电磁环境.最后模拟导线现场进行测试.研究表明,该低场致发光特性的验电标识具有发光功耗低,发光明显等优点,其处于所在区域的电场强度达到1.2×106V·m-1以上时,可激发发光,此时所注入电流约为1.1 mA.通过仿真和试验分析可知带电特高压输电线路周围的空间电场强度满足验电标识发光指示的要求,同时空间杂散电流和材料本身的电容效应提供注入电流.该验电标识通过材料本身发光特性来指示带电状态,安装在距离特高压导线轴线13 cm及以内的范围即可实现验电,通过封装具有较好的耐候性能,同时避免了复杂的电路装置验电存在易受电磁干扰,可靠性差等问题

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向

采用化学分析、X射线衍射（XRD）、光学显微镜、扫描电子显微镜（SEM）和能谱（EDS）等方法，研究了金川镍沉降渣的矿物组成、结构、嵌布特征、主要有价成分Fe、Ni、Cu、Co的分布等工艺矿物学性质.结果表明，金川镍沉降渣主要由铁镁橄榄石和玻璃质组成，并含少量的铜镍铁硫化物、辉铜矿、磁铁矿等；沉降渣的结构单一，微细粒的铜镍铁硫化物呈星散状无规律分散在硅酸盐基质中；铁主要存在于铁镁橄榄石内，镍和铜主要赋存在铜镍铁硫化物中，钴没有独立矿物存在，主要以类质同象形式赋存在其他矿物中.镍渣中有价成分的回收可考虑用深度还原法或湿法冶金工艺

Ca和Sr是铸造铝硅合金中最有效的变质元素,一般在浇铸前以中间合金的形式加入.然而在废杂铝熔铸再生工业中,原料中常含有微量的Ca和Sr,预控它们在熔炼过程中的含量变化是它们再利用的前提.本文以工业A356铸锭为原料,实验研究了熔炼温度和保温时间对Ca和Sr质量分数变化规律的影响.结果表明:Ca和Sr质量分数随着保温时间延长均呈Exp3P2规律下降,且随熔炼温度升高质量分数下降速率均逐渐提高.根据热力学和动力学分析可知,在废杂铝熔炼再生过程前期主要发生[Ca]和[Sr]与熔体中的氧发生氧化反应生成CaO和SrO,这些氧化物又会与Al2O3反应生成Al2O3·6CaO和Al2O3·SrO,经扒渣操作后Ca和Sr质量分数下降.在熔炼中后期,[Ca]和[Sr]以扩散至熔体表层还原Al2O3的方式使它们的质量分数降低.计算得出在660~740℃熔炼A356合金时Ca和Sr氧化反应的表观活化能分别为182.6 kJ·mol-1和117.8 kJ·mol-1,两者均受化学反应过程控制.根据Ca和Sr质量分数的变化规律建立了它们的质量分数预报模型,经生产验证表明预报误差均小于10%,可用于预报废杂铝熔炼再生过程Ca和Sr的质量分数

V2O5?WO3/TiO2（VWTi）催化剂可以同时脱除铁矿烧结烟气中的NOx和二噁英，但复杂的烟气成分会导致催化剂失活。本文采用浸渍法对VWTi 催化剂进行ZnCl2、ZnO和ZnSO4中毒实验。模拟烧结烟气条件，研究了在VWTi催化剂表面负载不同形态Zn对其同时脱除NOx和二噁英（以氯苯作为模拟物）性能的影响，分析了中毒前后催化剂表面活性物质的理化性质，并对中毒催化剂开展了再生实验。结果表明：不同Zn物种对VWTi催化剂同时脱除NOx和氯苯（CB）均具有失活作用。Zn物种会引起催化剂表面颗粒轻微团聚，表面酸性位点数量减少，表面V的还原性减弱，表面化学吸附氧比例，以及V5+和V4+的物质的量比值降低。再生实验结果表明：酸洗可以在一定程度上恢复中毒催化剂的催化活性，但水洗不能恢复中毒催化剂的活性。研究发现Zn盐中毒作用机理为：Zn2+与催化剂表面酸性位点V=O和V?OH反应形成V?O?Zn，对NH3与CB的吸附产生不利影响，造成催化剂中毒失活，ZnSO4中的${\\rm{SO}}_4^{2-} $

高温质子导体固体电解质 Ba3Ca1+xNb2−xO9−δ 化学性质稳定，中低温电导率较高，具有较好的应用前景. 采用固相合 成法制备得到了复合钙钛矿相的 Ba3Ca1+xNb2−xO9−δ（x=0、0.10、0.18、0.30）材料. 随着 Ca 掺杂量的增加 Ba3Ca1+xNb2−xO9−δ 样 品的电导率先增加后降低，x=0.18 的样品电导率最高. Ba3Ca1+xNb2−xO9−δ 材料在含氢中的电子空穴迁移数较低，当温度低于 750 ℃ 时，材料中质子导电为主；当温度达 800 ℃ 后，材料中氧离子导电为主. x=0.10 的样品质子迁移数最高，随着掺杂量的 增加样品氧离子迁移数逐渐增大，质子迁移数逐渐降低