为解决传统云检测算法难以区分薄云和厚云问题，提高遥感图像云检测准确度，提出一种融合双注意力机制的遥感图像云检测算法。首先，以DenseNet结构为基础构建双注意力模型，引入密集连接模块以降低特征通道数；其次，引入全局上下文模块获取全局上下文信息进一步改善系统性能；最后，引入级联的空洞卷积模块以增大感受野，获取更多的影像全局信息。实验结果表明，与F-CNN、self-contrast、RF、SVM以及Fmask等算法相比，所提算法在薄云和厚云检测中具有更好的检测性能，云像素的综合检测正确率为0.9340、错误率仅为0.0385、误报率为0.0693，并能够有效避免过度检测。

该文采用固相反应法成功合成了高性能MnO2掺杂的0.07Pb(Sc1/2Nb1/2)O3-0.93Pb(Hf0.47Ti0.53)O3(PSN-PHT)陶瓷, 并从微观形貌、相结构和电学性能等方面综合分析了PSN-PHT陶瓷性能提高的原因。实验结果表明, MnO2的引入改变了PSN-PHT陶瓷的相结构, 使其铁电四方相含量降低, 并导致准同型相界(MPB)的出现, 同时增大了晶粒尺寸并使晶粒均匀化。当MnO2掺杂量(摩尔分数)为0.8%时, 样品达到最佳性能, 其d33、kp、TC、Qm和tan δ分别为450 pC/N、0.65、348 ℃、1 200和0.003 2。该组分样品的温度稳定性远高于商用PZT-5和PZT-8陶瓷, 故其在压电陶瓷换能器领域有着巨大的应用前景。

本文采用传统固相反应法, 成功制备了新型无铅弛豫铁电陶瓷(1-x)［0.9BaTiO3-0.1Bi(Mg0.25Ta0.5)O3］-xBi0.5Na0.5TiO3。结果表明, 较高居里温度的Bi0.5Na0.5TiO3的引入, 使得材料体系中建立了更多的以Bi-O耦合为主的极性纳米区域, 弥补了因Bi(Mg0.25Ta0.5)O3的加入导致的宏观极化强度的减少, 提高了材料的饱和极化强度, 实现了较高储能密度的同时具有更好的温度稳定性。在245 kV/cm电场强度下, x=0.2样品的储能密度约为4.01 J/cm3, 储能效率约为84.86%, 同时该组分在20~170 ℃储能密度的变化率小于5%, 储能效率的变化率小于6%, 表现出优异的温度稳定性。