基于多模态学习的空间科学实验图像描述

为了让科学家快速定位实验关键过程,获取更为详细的实验过程信息,需要对空间科学实验自动添加描述性文字内容。针对空间科学实验目标较小且数据样本较少的问题,本文提出了基于多模态学习的空间科学实验图像描述算法模型,主要分为四部分:基于改进U-Net的语义分割模型,基于语义分割的空间科学实验词汇候选,自下而上的通用场景图像特征向量提取和基于多模态学习的描述语句生成。此外,本文构建了空间科学实验目标数据集,包括语义掩码标注和图像描述标注,来对空间科学实验进行图像描述。实验结果表明:相对于经典的图像描述模型Neuraltalk2,本文提出的算法在精度评定方面,METEOR结果平均提升了0.089,SPICE结果平均提升了0.174;解决了空间科学实验目标较小、样本较少的难点,构建基于多模态学习的空间科学实验图像描述模型,满足对空间科学实验场景进行专业性、精准性的描述要求,实现从低层次感知到深层场景理解的能力。

UV-NaClO顺序消毒对污水中大肠菌群的灭活效果

紫外(UV)和次氯酸钠(NaClO)消毒广泛应用于城市污水处理中,但目前2种消毒方式均存在不足。为实现既可高效消毒又能同时降低消毒所带来负面影响的目的,通过对比研究,分析了达到与UV或NaClO相同的消毒效果时,紫外-次氯酸钠(UV-NaClO)顺序消毒所需的消毒剂量以及UV-NaClO顺序消毒对微生物复活和消毒副产物(DBPs)生成的影响。结果表明:当UV剂量为9 mJ·cm^(−2),NaClO投加量为3、4和10 mg·L^(−1)时,UVNaClO顺序消毒可达到与单独UV消毒时(剂量为12、20或60 mJ·cm^(−2))以及单独NaClO消毒时(NaClO投加量为4、10或20 mg·L^(−1))的相同消毒效果;且当需要的微生物灭活效率越高时,UV-NaClO顺序消毒的优势越明显。同单独UV消毒相比,UV-NaClO顺序消毒后微生物的光复活率和暗修复率明显降低。当达到与单独NaClO消毒相同的微生物灭活效果时,UV-NaClO顺序消毒可有效降低DBPs的生成量,例如完全灭活E.coli,采用UVNaClO顺序消毒,DBPs的生成量可较单独NaClO消毒降低了76.87%。本研究可为污水排放与再生利用消毒技术的选择提供参考。

我的邻居

每当我走过邻居家的门前时,一位身穿蓝色制服、头戴鸭舌帽的老人的身影立即浮现在我的眼前。这是一位年过六旬的退休老干部。