1 上海大学材料基因组工程研究院, 上海 200444
2 之江实验室, 杭州 311100
热电材料是环境友好型能源转换材料, 涉及的体系十分多样。其性能优化是一个多参数协调的复杂问题, 一直是研究者们关注的热点。虽然热电的计算模拟方法和实验方法发展迅速, 但是热电材料的搜索效率仍需要进一步提高。机器学习具有计算成本低和预测速度高的优势, 可以快速缩小搜索空间, 加快对热电材料结构和性能优化的研究。本综述从数据类型的角度出发, 介绍了热电材料中的小样本数值数据(数据量约为102), 大样本数值数据(数据量大于104)及图片数据中机器学习的应用和研究进展, 进一步详细地讨论了在不同的数据类型中研究热电材料的结构和性能所使用的不同的机器学习算法模型, 并对其未来的发展趋势和应用方向进行了展望。
热电材料 机器学习 图卷积神经网络 thermoelectric materials machine learning graph convolutional neural networks
1 中山大学地球科学与工程学院, 广东省地质过程与矿产资源重点实验室, 广东省地球动力作用与地质灾害重点实验室, 广东 广州 510275
3 山东省文物与考古研究院, 山东 济南 250012
5 上海博物馆, 上海 200003
出土玉器溯源是探索华夏玉器文明起源与演化的关键所在, 无损测试技术的进步推动了学术界对出土玉器产地溯源的研究, 但至今为止, 无损技术仍然是制约出土玉器溯源研究的瓶颈所在。 利用便携红外光谱(portable Fourier transform infrared spectroscopy, p-FTIR, 带漫反射附件)+ 便携X射线荧光光谱(portable X-ray flourescence, p-XRF)技术组合对山东省文物与考古研究院发掘的大汶口文化出土蛇纹石质玉器的物相和化学组成进行了无损测试以及出土玉器产地溯源的探索。 测试结果显示, 大汶口文化的蛇纹石玉存在两种成因类型, 其中7件玉器(M1005:3, M1006:4, M1013:12, M20:30, M11, T333:2B①:2, M49:04)属于超基性岩型, Fe, Cr和Ni含量较高, 含较多磁铁矿包体, 磁性较强, Cr/Ni值小于1且多数小于0.7, 与现代泰山玉的产地特征基本一致, 最大可能就地取材于附近的泰山山麓, 为泰山玉的使用时间提前到5500年前的大汶口文化时期提供了重要的科学依据。 另外4件玉器(M2004:1、 B型环、 M25:26、 M26)具有低Fe, Cr和Ni含量, 为富镁碳酸盐接触交代变质类型, 其来源有待进一步研究确认。 上述研究结果确认p-FTIR和p-XRF结合能够实现对考古现场及馆藏多数未知玉器材料的快速鉴定, 具有无需制样、 矿物类型和元素组成可相互验证、 无荧光干扰等优点, 对部分特定类型的蛇纹石质出土玉器/材料可进行产地来源分析, 是一种有优势的出土玉器无损测试技术组合。
便携红外光谱(p-FTIR,带漫反射附件) 便携X射线荧光光谱(p-XRF) 无损测试技术组合 大汶口文化出土玉器 产地溯源技术 Portable Fourier transform infrared spectroscopy (p-FTIR) Portable X-ray fluorescence spectroscopy (p-XRF) Nondestructive testing combination Serpentine jade material unearthed from Dawenkou Culture The technology tracing the origin of unearthed jade
为了能够快速、精确地检测出矩形,综合分析目前存在的矩形检测算法的优缺点,提出了一种快速、高精度的矩形检测算法。所提算法首先采用环形窗口将图像分割为多个感兴趣区域,再提取感兴趣区域的亚像素轮廓,并将亚像素轮廓分割为若干线段,然后利用模糊数学理论对线段的几何和物理特性进行融合计算,最终根据模糊融合得到的判决结果完成矩形的高精度检测和定位。实验结果表明:所提算法的检测速度是基于Hough变换的矩形检测算法的7.4倍,检测最大中心定位误差为(0.507 pixel,0.272 pixel);长度的平均误差为1.034 pixel,宽度的平均误差为1.310 pixel,倾角的平均误差为0.304°,并且能够准确地检测出矩形。所提算法满足工业应用中快速、高精度的要求,且有较强的稳定性。
图像处理 矩形检测 模糊融合 亚像素轮廓 机器视觉 激光与光电子学进展
2020, 57(18): 181002
