简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：本文根据美国INFICON公司HAPSITE便携式GC-MS的性能特点,结合国家环境空气的标准浓度限值要求,分析了采用便携式GC-MS检测空气中低浓度苯系物的准确度。

简介：采用1-丁基-3-甲基咪唑四氟硼酸盐离子液体（[Bmim]BF4）作萃取剂，顶空液相微萃取法富集水中苯系物。气相色谱法测定。考察了不同萃取温度和时间、样品体积、单液滴体积和盐析效应对结果的影响。苯、甲苯、二甲苯检出限分别为0．030μg／L、0．147μg/L、0．180μg／L，结果表明所用离子液体可有效富集水中痕量苯系物。

简介：建立了顶空进样方式，CEC—WAX毛细管色谱柱分离，FID检测器，外标法定量测定水源水中丙烯醛、乙醛和苯系物，在所考察的线性范围内具有良好的线性关系。相关系数R^2在0．9980～0．9993范围，平均加标回收率在95％～101％范围，RSD〈3％，检出限在0．0018mg／L～0．025rng／L范围。

简介：目的：评价毛细管气相色谱测定室内空气中苯系物的分析误差。方法：对空白溶液、0．1c标准溶液、空气样品、加标空气样品，采用精密度和偏性质量控制程序进行质控试验。结果：4种试样的批内批问变异分析（F〈F0.05）,4种试样的总标准差（st）均小于其各自浓度的5％（w），准确度的置信限R／d为0．97。结论：证实了用该方法测室内空气中苯系物是可行的。

简介：采用顶空进样气相也谱法对溶剂型木器涂料中的苯系物进行分析，所使用的方法能较好地避免基质的干扰。在给定的浓度范围内，各目标组分呈现良好的线性相关，检测限与定量限也都在国家规定的最大限量之下，回收率在85．6％-105％之间，日内精密度〈7．2％，日间精密度〈9．6％。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.