当前位置:首页 > 今日动态 > 技术与产品
  • 利用高光谱和X射线荧光(XRF)数据结合机器学习技术,用于识别被烟尘污染的颜料

    通过融合可见-短波近红外高光谱反射率和X射线荧光光谱数据,结合结构化群体LASSO特征选择和多种机器学习模型,成功实现了烟熏壁画中矿物颜料的非破坏性识别。在梯度化熏黑模拟样本测试中,12种模型均达到100%分类准确率,验证了多模态数据融合与智能算法在复杂污染场景下的有效性。

    来源:Microchemical Journal

    时间:2026-01-12

  • 基于ATR-FTIR光谱技术的多模型集成学习方法,用于精确估计深静脉血栓形成的发生年龄

    准确估算血栓年龄对解决医疗纠纷和法医鉴定至关重要。本研究采用ATR-FTIR光谱结合投票集成模型(PLS和MLP)系统分析血栓形成中的化学成分动态变化,模型在316小时内预测血栓年龄的R²达0.9567,RMSE为20.82小时。SHAP分析显示碳水化合物动态变化是关键分子基础,1032 cm⁻¹特征峰可用于晚期血栓识别。ATR-FTIR结合机器学习集成策略为法医鉴定提供了新方法。

    来源:Microchemical Journal

    时间:2026-01-12

  • 深度共晶溶剂对环糊精-电驱动色谱法分离米拉贝隆(mirabegron)对映体的影响。该方法在药物和生物样品分析中的应用

    本研究通过合成并表征两种深熔盐溶剂(TBABr-CA和ChCl-CA),探索其在电动力学色谱(EKC)中增强环糊精(Captisol)手性分离效果的应用,成功实现mirabegron双异构体在12分钟内高分辨率(2.0)分离,并应用于药物纯度检测及尿液样本分析。

    来源:Microchemical Journal

    时间:2026-01-12

  • 综述:绿色数字分析方法在植物基肉类可持续发展中的应用:整合人工智能、计算建模与非破坏性检测技术

    植物基肉制品开发中整合AI、机器学习、高光谱成像等绿色分析技术,实现非破坏性检测,减少溶剂使用和能源消耗达60-70%,同时提升产品质构和营养监控效率,为可持续食品系统提供新范式。

    来源:Microchemical Journal

    时间:2026-01-12

  • 综述:用于太阳能转换和储存的光伏伏打效应:光伏电池(PG cells)技术进展综述

    光化学电池(PG cells)通过光化学反应将太阳能转化为电能并存储,研究其组件、性能及稳定性。分析不同染料、还原剂和表面活性剂组合对光电输出及储能能力的影响,探讨效率提升的挑战与未来方向,如新型材料开发。

    来源:Next Research

    时间:2026-01-12

  • 利用SCAPS-1D和机器学习方法提高基于MABiI的3-钙钛矿太阳能电池的效率

    研究通过SCAPS-1D模拟与机器学习(XGBoost等)优化非铅基钙钛矿太阳能电池(FTO/SnO₂/MABiI₃/CuSbS₂/Pt),发现500 nm吸收层厚度配合3.23×10¹⁸ cm⁻³吸收层受主浓度、1.38×10¹⁸ cm⁻³ HTL掺杂浓度及1×10¹⁸ cm⁻³ ETL施主浓度时,实现27.61%的PCE,其中掺杂浓度对效率影响最大,吸收层厚度贡献较小。结合物理模拟与ML解释,提出高效环保钙钛矿电池优化策略。

    来源:Next Research

    时间:2026-01-12

  • 基于DNN辅助低秩稀疏分解的红外小目标检测:HTR背景建模与SpAttention目标增强新方法

    本文提出了一种创新的DNN辅助低秩稀疏分解(LRSD)模型,通过分层张量环(HTR)模块实现背景的非线性低秩表征,结合注意力引导稀疏目标(SpAttention)模块增强目标显著性。该无监督学习方法在复杂场景下显著提升了红外小目标检测(ISTD)的精度与鲁棒性。

    来源:Pattern Recognition

    时间:2026-01-12

  • 退化学习自适应深度展开网络:高光谱压缩成像的创新框架

    本文提出了一种基于迭代软阈值算法(ISTA)的退化学习自适应深度展开网络(DLADUN),通过动态退化信息更新模块、自适应梯度下降模块和自适应软阈值模块,突破了传统深度展开网络对固定退化矩阵的依赖。该框架创新性地融合Transformer的全局低频建模与傅里叶变换的高频细节捕捉能力,在仿真和真实高光谱图像(HSI)重建任务中实现约0.37 dB的PSNR提升,为计算成像领域提供了可解释性强、适应性优的新范式。

    来源:Pattern Recognition

    时间:2026-01-12

  • MPFR:用于持续异常检测和分割的内存提示特征重建技术

    本文提出持续异常检测框架MPFR,通过存储少量旧样本作为提示,利用记忆样本与当前样本的结构关系建模,结合远边界采样策略和潜在蒸馏损失函数,有效缓解灾难性遗忘问题,在基准数据集和真实混凝土墙数据集上表现优于现有方法。

    来源:Pattern Recognition

    时间:2026-01-12

  • SNOP-GS:通过3D高斯斑点技术实现的自优化新颖物体姿态检测

    本文提出基于3D高斯分流形的自优化新颖物体姿态估计方法SNOP-GS,通过三个阶段实现粗到精的姿态预测。首先改进3D高斯分流形模型,将隐式特征注入高斯体;其次设计2D-3D匹配网络建立像素与高斯中心的对应关系,计算初始姿态;最终通过姿态残差估计网络优化初始姿态。实验表明该方法在低纹理物体场景中性能显著优于现有CAD模型无关方法。

    来源:Pattern Recognition

    时间:2026-01-12


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康