针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题，本文提出了一种增强小目标特征的多尺度神经网络（ESF-MNet）。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结构，以增强特征提取能力；此外，在浅层特征图与颈部网络融合之前加入感受野增强模块，以捕获不同尺度的上下文信息。其次，使用GSConv构成颈部网络，减少网络层参数量，保持网络的特征提取能力，并通过基于内容感知的特征重组模块提高识别精度。最后，采用下采样率分别为4、8和16倍的三个下采样模块作为头部网络输入，来提高小目标的检测效果。为了证明该方法的有效性，在DOTA数据集和NWPU NHR-10数据集上进行实验，平均检测精度分别达78.6%和94.3%，计算复杂度为94.7 G，整体模型大小为26.2 M。该方法具备检测精度高、计算复杂度低、模型权重小等特点，能有效提高小目标的检测精度，进一步改善光学遥感图像小目标检测性能。

随着光伏智能电子产品日益融入到日常生活, 人们不仅对高性能光伏发电设备的需求增加, 同时对智能化、可持续和快速充电/放电能源集成设备的需求也急剧增加, 将能量产生部件和能量存储部件结合成独立设备已经成为一种极具有吸引力和挑战性的前沿技术。原位逐层制备光电转换功能薄膜与储电功能薄膜并组装, 获得光伏储电原位集成电池的技术, 既减少了太阳光波动对能量输出的影响, 又可以实现光伏自供电、弱光缓冲和可穿戴等功能, 因此具有良好的发展前景。本文综述了硅基光伏储电原位集成电池、敏化光伏储电原位集成电池、钙钛矿光伏储电原位集成电池的最新研究成果, 介绍了此类新型电池性能的评价方法, 分析了其工作原理、构造特点和性能参数, 并对此新兴研究领域的发展趋势进行了展望。