XiaoMi-AI文件搜索系统
World File Search SystemUATR
FTIR UATR方法的定量验证用于确定咖啡因
验证使用FTIR UATR确定绿茶样品中咖啡因的方法。ATR（减弱总反射率）是一种无损分析技术，首先没有样品制备。咖啡因是在波数1600和1700 cm -1中出现的吸收中确定的。使用咖啡因浓度的标准溶液0-5％的校准曲线测量可产生良好的线性性，相关系数值（R 2）为0.9978。精度为％RSD（2,8369％），满足接受2/3 CV Horwitz（4,5323）的要求。通过峰值方法进行精度，导致回收率为100.3％的百分比，满足接受95-105％的要求。本研究显示了该方法在绿茶样品中进行咖啡因分析的适用性。
基于注意机制Res-Dense卷积神经网络的水下目标识别深度学习新方法
摘要：无论在国防还是民用领域，都需要对远距离水下目标进行准确、快速的识别。然而，数据缺乏、舰船工况等因素会显著影响水下声目标识别（UATR）系统的性能。由于海洋环境非常复杂，UATR严重依赖于特征工程，人工提取的特征在统计模型中偶尔会失效。本文提出了一种基于卷积神经网络和注意力机制的端到端UATR模型。该网络模型以原始时域数据为输入，结合残差神经网络和密连接卷积神经网络，充分利用两者的优势。在此基础上，加入通道注意机制和时间注意机制，提取通道维度和时间维度上的信息。经过对实测的四种舰船辐射噪声数据集进行实验，结果表明，所提方法在不同工况下均获得了97.69%的最高正确识别率，优于其他深度学习方法。