基于Android平台,设计了一种用于痕量重金属离子检测的便携式电化学分析检测仪。仪器输出电压范围为03;V,精度为0.1%,分辨率<1 m V;电流检测范围为010;0 m A,精度为0.1%,最小分辨率为10 p A,已达到普通电化学分析的要求。借助Androi...
详细信息
基于Android平台,设计了一种用于痕量重金属离子检测的便携式电化学分析检测仪。仪器输出电压范围为03;V,精度为0.1%,分辨率<1 m V;电流检测范围为010;0 m A,精度为0.1%,最小分辨率为10 p A,已达到普通电化学分析的要求。借助Android智能设备在人机交互方面的优势,仪器设有专业检测模式与快速检测模式,简化了复杂的电化学检测分析过程,可同时满足专业用户与普通用户的操作需求。使用本仪器,并结合商品化的电极对Cu,Cd,Pb及Hg等常见的重金属离子进行了初步检测,线性范围、重复性及结果准确度方面都获得了满意的结果。
随着深度学习的不断发展与广泛运用,基于深度学习的目标检测算法已成为新的主流。为了进一步提高卷积神经网络YOLO v3(You only look once v3)的检测精度,在原算法的网络结构上添加卷积层模块对样本进行目标背景分类,并粗略调整特征图...
详细信息
随着深度学习的不断发展与广泛运用,基于深度学习的目标检测算法已成为新的主流。为了进一步提高卷积神经网络YOLO v3(You only look once v3)的检测精度,在原算法的网络结构上添加卷积层模块对样本进行目标背景分类,并粗略调整特征图上的锚框大小。该模块输出目标背景概率后,过滤掉背景概率值低于设定阈值的样本,从而解决原算法中存在的正负样本比例失衡的问题。使用调整过的锚框替代原算法中直接由聚类生成固定大小的锚框,该过程为边界框的预测提供更优的初始值。在VOC数据集上的实验结果表明,相较于原算法,改进的YOLO v3具有更高的检测精度。
暂无评论