凤眼莲对练江水体重金属的去除效果和富集能力研究

依据练江水体不同区域pH和氮磷比,研究了凤眼莲在pH为5.0和7.0,N/P分别为20∶1、16∶1、12∶1条件下对练江水体重金属(Hg、Pb、Cu、Zn、As)的去除效果、富集能力及污染水体对其生理活性影响。结果表明:不同N/P,凤眼莲对5种离子的最大去除率顺序表现一致,为Zn>Cu>As>Pb>Hg(pH=5.0)、Hg>Zn>Pb>Cu≈As(pH=7.0);pH=5.0,对5种离子的最佳净化周期15d左右,对Zn选择性最好,最大去除率高达82%以上;pH=7.0,对Zn、Pb、Cu、As最佳净化周期15d左右,而Hg为8d左右,对Hg选择性最好,最大去除率高达90%以上;其对Hg、Pb的净化效果pH=7.0时优于pH=5.0,对Zn、Cu、As的净化效果2种pH无显著性差异(P>0.05);对5种离子最大富集系数顺序分别为Hg>Pb>Cu>As>Zn(根际),Hg>Pb>Zn>Cu>As(茎叶),最大富集系数均远大于1,虽转运系数小于1,但整体对各种金属富集能力较高,尤其是对Hg,且培养周期内,凤眼莲叶绿素a含量培养周期内呈下降趋势,但SOD前8d上升,说明凤眼莲是一种可能有潜力用于练江水体修复的耐性植物。

基于改进Yolov5s的光刻热点检测算法

光刻热点检测是实现集成电路可制造性设计,保障集成电路芯片最终良率的关键。鉴于传统基于深度学习的光刻热点检测方法难以满足先进集成电路制造对检测精度的要求,提出了一种基于改进Yolov5s的检测算法,用于光刻版图热点缺陷的精确检测。通过将坐标注意力机制引入骨干网络,提高了Yolov5s模型对版图图形区域的关注度,进而极大地改善了基于Yolov5s的检测算法的光刻热点检测性能。与此同时,采用Sigmoid线性单元激活函数进一步完善整个神经网络的非线性表达,利用Scylla交并比损失函数更快速地定量评估边界框回归损失,提高了热点检测算法的收敛速度和精度。将ICCAD(The International Conference on Computer-Aided Design)2012竞赛基准、经光学邻近校正优化后的光刻图形作为数据集对所提算法开展性能测试实验,验证了热点检测算法的优异检测精度。实验结果表明,该算法的平均准确率、平均召回率、平均F1-score和均值平均精度分别达到97.7%、98.0%、97.8%和98.4%,显著优于其他光刻热点检测算法,展示了良好的应用前景。