分类： 材料科学 >> 材料科学（综合） 提交时间： 2017-11-21 合作期刊: 《金属学报》
摘要： 本文采用失重分析、X射线衍射分析及扫描电镜测试分析方法对碳钢Q235在模拟海洋工业大气环境中的初期腐蚀历程和机理开展深入研究，并着重探究了不同比例SO2和Cl-的协同效应对碳钢初期腐蚀行为机制的影响。结果表明，碳钢Q235在模拟海洋工业大气环境中的初期腐蚀呈现由加速过程向减速过程转化的特点，且加速过程的腐蚀动力学仍遵循幂函数规律D=Atn；腐蚀24h后，腐蚀产物呈现双层结构,即疏松的外层和相对致密的内层。SO2和Cl-的协同效应会加速碳钢的腐蚀，但二者比例的变化对碳钢腐蚀失重影响并不明显，也没有改变腐蚀产物成分，SO2的存在促使碳钢腐蚀形态由局部腐蚀向均匀腐蚀转变。
分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］针对传统人工识别病虫害存在的效率过低、成本过高等问题，提出一种融合ECA（Effi⁃ cient Channel Attention）注意力机制与DenseNet201的水稻图像识别模型GE-DenseNet（G-ECA DenseNet）。［方法］ 首先在ECA机制上引入Ghost模块的思想构成G-ECA Layer结构，增强其提取特征的能力。其次，在DenseNet201 原有的Dense Block前引入G-ECA Layer，使模型具有更优的通道特征提取能力。由于实验所用的数据集较小，将 DenseNet201在ImageNet数据集上预训练的权重参数迁移到GE-DenseNet中。训练时，采用Focal Loss函数来解决 各分类样本不均衡的问题。同时，使用Adam优化器以避免在模型训练初期由于部分权重随机初始化而导致反向 传播的梯度变化剧烈的问题，在一定程度上削弱了网络训练的不确定性。［结果和讨论］在包含水稻胡麻斑病、水 稻铁甲虫、稻瘟病与健康水稻的3355张图像数据集上进行了实验测试，识别准确率达到83.52%。由GE-DenseNet 模型的消融对比实验可得，引入了Focal Loss函数与G-ECA Layer层之后，模型准确率上升2.27%。将所提模型与 经典NasNet（4@1056）、VGG-16和ResNet50模型相比，分类准确率分别提高了6.53%、4.83%和3.69%；相较于 原始的DenseNet201，对水稻铁甲虫的识别准确率提升达20.32%。［结论］加入G-ECA Layer结构能够使模型更为 准确地捕捉适合于水稻病虫害识别的特征信息，从而使GE-DenseNet模型能够实现对不同水稻病虫害图像更为准 确地识别，为及时防治病虫害，减少各类损失提供技术支持。
点击量
点击量
下载量
评论
