摘要：本发明公开了一种基于复合型结构元素数学形态学的中子‑伽马甄别方法，包括P10、获取中子‑伽马脉冲数据；P20、对获取的中子‑伽马脉冲数据进行预处理；P30、构建用于数学形态学变换的复合型结构元素；P40、对预处理后的中子‑伽马脉冲数据进行数学形态学开运算处理；P50、对P40步骤开运算后的结果进行积分，计算得出甄别因子；P60、利用该得到的甄别因子对中子‑伽马脉冲数据进行甄别。本发明具有较好的甄别性能，同时能够表现出很好的抗噪能力，在混合辐射场测量及其数据处理技术领域具有很好的应用价值。

摘要：本发明公开了一种基于形态学与优化灰色模型的脉冲堆积校正方法，包括对堆积脉冲数据进行预处理；之后将数学形态学与灰色模型相结合先分别对脉冲上升段和下降段进行校正处理，再将其整合为完整脉冲信号，实现对整个脉冲信号堆积的校正。并且根据传统灰色模型的不足，巧妙利用双曲正切变换函数对灰色模型进行优化。本发明利用数学形态学变换与优化后的灰色模型分别对堆积脉冲信号的上升段与下降段进行校正，从图像处理方面出发结合数学预测模型较准确的甄别出单脉冲堆积以及重建双峰脉冲堆积信号，提高核信号分析处理能力，为核技术等安全应用领域提供保障。

摘要：本发明公开了一种基于阶梯梯度法的中子‑伽马甄别方法，包括针对辐射混合场脉冲信号进行滤波处理；将滤波处理后的中子‑伽马脉冲信号导入准连续脉冲发放皮层模型中，提取出包含动态信息的点火映射图；根据中子‑伽马的点火映射图计算出阶梯梯度值R；将阶梯梯度值R作为甄别因子对中子‑伽马脉冲数据进行甄别。本发明通过提出准连续脉冲发放皮层模型来生成阶梯梯度计算过程所需的点火映射图，并由此计算获得阶梯梯度值，将其作为甄别因子进行中子‑伽马甄别，相比现有的脉冲耦合神经网络，本发明可以实现更好的细节信息提取性能和噪声处理能力，具有更少的点火和人工调参需求，性能更优。

摘要：本发明公开了一种基于脉冲发放皮层的塑料闪烁体中子‑伽马甄别方法，包括获取辐射混合场的中子‑伽马脉冲信号；基于中子‑伽马脉冲信号建立脉冲发放皮层模型；将滤波处理后的中子‑伽马脉冲信号输入脉冲发放皮层模型中，生成包含脉冲信号的每个采样点的点火计数的点火图；根据点火图提取下降沿和延迟荧光信息的相应部分，计算出甄别因子；使用甄别因子对中子‑伽马脉冲数据进行甄别。本发明采用脉冲发放皮层模型在提取辐射脉冲信号内部动态信息方面性能突出，提高了甄别准确性，降低了计算复杂度，使得该方法在耗时短的同时展现优异的中子‑伽马甄别性能。

摘要：本发明公开了一种基于1‑D AlexNet模型的中子‑伽马甄别方法，包括获取中子‑伽马脉冲数据；基于中子‑伽马脉冲信号建立1‑D AlexNet模型；将中子‑伽马脉冲信号导入1‑D AlexNet模型并采用SGDM算法对模型进行优化；根据1‑D AlexNet模型输出的分类结果计算出甄别因子；利用该得到的甄别因子对中子‑伽马脉冲数据进行甄别。本发明巧妙地采用1‑D AlexNet模型进行中子‑伽马甄别，简化的数据处理过程，提高了甄别能力，相比传统的电荷比较法进行中子‑伽马甄别明显提高了性能。

摘要：本发明公开了一种基于MLP模型的中子‑伽马甄别方法，包括获取中子‑伽马脉冲数据，并滤波处理得到中子‑伽马脉冲信号；基于中子‑伽马脉冲信号建立MLP模型，将滤波处理后的中子‑伽马脉冲信号导入所述MLP模型中，采用Adam优化器基于训练数据迭代更新网络权重，对模型进行优化，得到服从相似分布的特征向量，根据特征向量得到中子和伽马射线的概率值，通过该概率值对中子和伽马射线进行二分类，最后将二分类结果作为甄别因子对中子‑伽马数据进行甄别。本发明巧妙地采用MLP模型进行中子‑伽马甄别，实现更好的细节信息提取性能，具有更少的人工调参需求，提高了甄别能力，且不需要对原始脉冲数据进行归一化处理，简化的数据处理过程。

摘要：本发明公开了一种基于DLP光刻的高稳定性钙钛矿量子点光敏树脂及其制备方法和应用，涉及纳米光电子材料领域。该高稳定性钙钛矿量子点光敏树脂以质量计包括：1‑8％的有机硅烷包覆的钙钛矿量子点、1‑5％的光引发剂和87‑94％的聚合物基质；所述聚合物基质能进行光聚合反应；所述钙钛矿量子点为CsPbX3钙钛矿量子点，其中X为Cl或Br或I。本发明通过有机硅烷包覆钙钛矿量子点，并结合聚合物基质形成的光聚合网络，为量子点提供了双重保护，使量子点不仅可在日常生活环境中使用，还能应用于高湿或水下等特殊环境，大大拓宽了钙钛矿量子点的应用范围，有效解决了钙钛矿量子点环境稳定性差的问题。

摘要：本发明提供一种基于层级框选与边界特征融合的滑坡智能识别方法及系统，获取目标遥感影像数据集，并对目标遥感影像数据集进行层级框选处理，得到层级框选区域集合，对层级框选区域集合进行边界特征提取处理，得到每个层级框选区域的边界特征集合，将边界特征集合输入至预训练的边界特征融合模型中进行特征融合处理，生成融合边界特征集合，基于融合边界特征集合与预设的滑坡形态特征库进行特征比对处理，生成滑坡识别特征集合，根据滑坡识别特征集合对目标遥感影像数据集进行区域标注处理，生成滑坡区域识别结果。本发明通过层级框选与特征融合的拓扑重构，形成具有自解释能力的滑坡识别链路，避免了模型因特征黑箱传递导致的误判累积问题。

摘要：本发明提供了一种融合光学与SAR遥感数据的深度学习滑坡识别方法及系统，涉及地质灾害监测与识别领域，包括获取目标区域的光学影像和SAR影像进行配准，生成光学‑SAR影像对，并为所述光学‑SAR影像对生成对应的二值标签图；构建待训练滑坡识别模型，由所述光学‑SAR影像对和对应的二值标签图构建数据集，利用所述数据集对所述待训练滑坡识别模型进行训练，得到训练完成的滑坡识别模型；将待识别区域的光学‑SAR影像对输入所述训练完成的滑坡识别模型，输出所述待识别区域的滑坡识别结果图。本发明克服了现有技术中单一遥感数据源在滑坡识别中的局限性，提高了复杂环境下滑坡识别精度。

摘要：本发明提供了一种用于直接从卤水提取锂的锂离子分离材料的合成新方法。该方法是以TiO₂或H₂TiO₃和Li₂CO₃、LiOH或LiNO₃为起始物，采用类溶胶～浸渍法，即加入碳原子数低于13的有机溶剂(如醇类、酮类等)、水或其混合物在搅拌浸渍作用下，使反应物质相互扩散，达到分子级混合并呈类溶胶状，蒸发、干燥得到锂离子分离材料前驱体。将此前驱体在高温下煅烧，合成出锂型锂离子交换体，用HCl洗去Li⁺，转型为氢型锂离子交换体。该交换体可吸附卤水中低含量Li⁺(≤1000mg/L)，经HCl洗脱～再生为氢型交换体，从而反复使用。该交换体对卤水中的Li⁺具有较高的记忆选择性和交换容量(达29mgLi⁺/gTiO₂)，低溶损率(每次溶损率≤0.1％)，为直接从卤水提取分离锂提供了一种新的分离材料和分离技术。