基于改进深度学习网络对裂缝检测研究

提出了一种运用于混凝土裂缝检测的模型yolov5-slC,该方法建立在yolov5模型的基础上,改进yolov5s网络结构,将普通卷积替换为轻量卷积GSConv,在此基础上继续引用slimneck结构,降低网络复杂度的同时并未丧失精度,缩短检测时间,减少计算量;引入轻量化上采样算子CARAFE,减少了计算开销。与原yolov5s相比,该方法的mAP₅₀提高了3.5百分点,mAP₉₅提高了9.4百分点。在试验数据集和补充数据集进行可视化对比,yolov5-slC均表现良好,能高效精确地为混凝土裂缝检测提供新方法。     

基于表面增强拉曼光谱技术的饮用水中痕量恩诺沙星和环丙沙星快速检测

近年来,抗生素的滥用引发抗生素抗性基因在环境中的传播和扩散,对生态系统与人类健康构成潜在威胁,特别是饮用水中抗生素污染事件的相关报道引发社会极大关注.因此,如何实现应急公共卫生事件中的痕量抗生素快检成为研究热点.基于表面增强拉曼光谱（SERS）技术,并结合磁性固相萃取（MSPE）样品前处理方法,构建了饮用水水样中ng ·L^-1水平喹诺酮类抗生素的快速检测方法.借助于磁性氧化石墨烯复合纳米材料（Fe₃ O₄@SiO₂-GO）的高吸附容量所提供的高富集能力,成功实现了饮用水中1.0 ng ·L^-1恩诺沙星（ENR）和5.0 ng ·L^-1环丙沙星（CIP）的加标检出,回收率在77.5%~91.5%之间,满足当前饮用水水质检测的要求.对于有机基质复杂的湖水等环境水样,萃取材料的选择性尚有待于进一步提升.